![语音/音频处理学术速递[11.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-04/1853350540562534400.jpg)
声浪
Meta发布全新后训练方式CGPO，编程水平直升5%
来源丨新智元 CGPO框架通过混合评审机制和约束优化器，有效解决了RLHF在多任务学习中的奖励欺骗和多目标优化问题，显著提升了语言模型在多任务环境中的表现。CGPO的设计为未来多任务学习提供了新的优化路径，有望进一步提升大型语言模型的效能和…
14 0 0
大规模、动态「语音增强/分离」新基准！清华发布移动音源仿真平台SonicSim，含950+小时训练数据
来源丨新智元 清华大学推出的SonicSim平台和SonicSet数据集针对动态声源的语音处理研究提供了强有力的工具和数据支持，有效降低了数据采集成本，实验证明这些工具能有效提升模型在真实环境中的性能。 论文地址：https://arxiv…
10 0 0
![语音/音频处理学术速递[11.1]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-01/1852269928288227328.jpg)
![语音/音频处理学术速递[11.1]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-04/1853350335029055488.jpg)
SiliconCloud上线Fish Audio：一站式开发端到端实时语音应用
此前，硅基流动SiliconCloud上线了语音识别模型SenseVoice-Small（可免费使用），让开发者可以通过API（兼容OpenAI的API协议）快速接入到语音转文字类应用场景。 在获得Fish Audio商业授权后，Silic…
19 0 0
![语音/音频处理学术速递[10.31]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-01/1852269680883011584.jpg)
智源研究院发布千万级多模态指令数据集Infinity-MM：驱动开源模型迈向SOTA性能
近年来，视觉语言模型（VLM）取得了显著进展，训练数据的规模扩展以及数据质量的提升是提升模型性能的关键因素。目前主要的获取数据方式为通过人工对数据进行收集和标注以及利用模型对指令进行合成，业内也有许多工作专注于此。然而，现有的开源数据和指令…
12 0 0
MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型
近日，香港中文大学（深圳）联手趣丸科技推出了新一代大规模声音克隆TTS模型——MaskGCT。该模型在包含10万小时多语言数据的Emilia数据集上进行训练，展现出超自然的语音克隆、风格迁移以及跨语种生成能力，同时保持了较强的稳定性。Mas…
18 0 0
![语音/音频处理学术速递[10.30]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-01/1852269458186440704.jpg)