声浪

新智元

原创3 years ago

GPT-4V风头正盛，LLaVA-1.5就来踢馆了！它不仅在11个基准测试上都实现了SOTA，而且13B模型的训练，只用8个A100就可以在1天内完成。 9月底，OpenAI宣布ChatGPT多模态能力解禁。多模态GPT-4V的神奇能力让众…

新智元

原创3 years ago

LLM不实用，小模型蒸馏才是「现实」的大模型应用路线，全面领先微调技术！土豪请无视。。。 大型语言模型虽然性能优异，可以用零样本或少样本提示解决新任务，但LLM在实际应用部署时却很不实用，内存利用效率低，并且需要大量计算资源。 比如运行一个…

语音小管家

转载3 years ago

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图

智能语音新青年

原创3 years ago

本次分享美国罗彻斯特大学团队提交到ICASSP 2024会议的论文《SINGFAKE: SINGING VOICE DEEPFAKE DETECTION》。该论文提出一种新的语音鉴伪任务“歌声鉴伪”。 论文地址： https://arxiv…

语音小管家

转载3 years ago

NeurIPS 2023说话人识别最新工作：语音解耦与自监督！由新加坡国家科技局、新国立、港理工和港中文（深圳）联合推出。 论文链接： https://arxiv.org/abs/2310.01128

智能语音新青年

原创3 years ago

本次分享上海交通大学发表在 ACL 2022 会议 的论文《Leveraging Unimodal Self-Supervised Learning for Multimodal AVSR》。该论文利用大规模单模态自监督学习构建多模态语音识…

机器之心

原创3 years ago

如果你体验过与任何一款对话式 AI 机器人的交流，你一定能想起某些极具「挫败感」的时刻。比如，你在前一天的对话中讲述过的要点，被 AI 忘得干干净净…… 这是因为当前的多数 LLM 只能记住有限的上下文，就像为考试而临时抱佛脚的学生，稍加盘…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音6篇，eess.AS音频处理9篇。 cs.SD语音 【1】 Deep Generative Models of Music Expectation标题：音乐期待的深层生成模式作者：Ninon Lizé Mascl…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音13篇，eess.AS音频处理17篇。 cs.SD语音 【1】 UniverSLU: Universal Spoken Language Understanding for Diverse Classificat…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理4篇。 cs.SD语音 【1】 Mel-Band RoFormer for Music Source Separation标题：用于音乐源分离的Mel-Band RoFormer作者：…