声浪

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理13篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

近期，上海交通大学听觉认知与计算声学实验室和微软合作的论文“Advanced Long-Content Speech Recognition with Factorized Neural Transducer”被语音领域顶级期刊IEEE/A…

语音小管家

转载2 years ago

Meta 的 XR Audio SDK 现已具有声学射线追踪功能，这是迄今为止最重要的更新。 该功能可以真实地模拟声音如何通过虚拟世界的几何形状传播到您的耳朵。该模拟包括反射、混响、遮挡、阻碍和衍射。 Meta 并不是第一家提供带有光线追踪…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音15篇，eess.AS音频处理19篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

21dB声学人

原创2 years ago

随着大数据时代的汹涌而至，互联网上的信息量急剧膨胀，呈现出爆炸式的增长态势。这一背景下，传统依赖于文本标注的检索机制已日渐显得力不从心，难以满足用户对多媒体内容高效检索的迫切需求。因此，聚焦于多媒体文件内在内容信息的新型检索技术应运而生，并…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音11篇，eess.AS音频处理12篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

随着互联网和通讯技术的发展，实时的音频流传输已经成为网络通信的一个非常重要的部分。同时，由于各种因素，比如网络拥堵、带宽限制、硬件故障等，音频数据包在传输过程中可能会丢失，这会对语音通信的质量产生严重影响，造成用户体验下降。最近我们提出了一…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音14篇，eess.AS音频处理14篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

声码器 (Vocoder) 能够将梅尔谱还原为波形信息，目前正广泛用于使用梅尔谱作为中间表征的合成系统中。基于频域重建的声码器（如Vocos[1]和APNet2[2]）最近取得了快速发展，在推理速度上超过了时域模型，同时实现了良好的音频质量…

西工大音频语音与语言处理研究组

原创2 years ago

whisper是一个支持多语种（高达99种）和多任务的音频大模型，相对于k2（zipformer）、funasr（paraformer）等流行的E2E单任务语音识别模型，whisper最大的两个特点是“大而全”：其中大是指68万小时的大数据…