声浪

Amphion

原创2 years ago

随着GPT-4o、Moshi等模型的发布，语音交互大模型越来越受到大家的关注。如何全面的评价语音交互大模型的情商？最近港中大（深圳）联合字节跳动提出了SD-Eval，一个多维度评估语音对话理解和生成的基准数据集，旨在促进更具同理心和更加智能…

银河标注员

转载2 years ago

夕小瑶科技说 原创作者 | 谢年年 世界由形形色色的角色构成，每个角色都拥有独特的知识、经验、兴趣、个性和职业，他们共同制造了丰富多元的知识与文化。 所谓术业有专攻，比如AI科学家专注于构建LLMs,医务工作者们共建庞大的医学知识库，数学家…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音22篇，eess.AS音频处理15篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

THUsatlab

原创2 years ago

CVPR 2024 基于运动解耦扩散模型的语音驱动共语手势视频生成 本文由清华大学与华为云计算公司、华为诺亚实验室、香港中文大学合作，研究虚拟数字人共语手势（co-speech gestures）视频的自动生成。现有共语手势生成工作大多停留…

阿里语音AI

原创2 years ago

人类对自身的研究和模仿由来已久，在我国2000多年前的《列子·汤问》里就描述了有能工巧匠制作出会说话会舞动的类人机器人的故事。声音包含丰富的个体特征及情感情绪信息，对话作为人类最常使用亲切自然的交互模式，是连接人与智能世界至关重要的环节。…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音32篇，eess.AS音频处理47篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音32篇，eess.AS音频处理47篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

浅谈数据

原创2 years ago

1.GPT-SoVITS GPT-SoVITS，目前主流模型，可以支持语种有：英语、日语和中文。支持声音复刻。很多公司目前的大模型基本都是这个。 地址：https://github.com/RVC-Boss/GPT-SoVITS 2. Fi…

追声少年王富贵

转载2 years ago

在刚刚结束的2024年DCASE（Detection and Classification of Acoustic Scenes and Events）挑战赛中，由华控智加、清华大学电子工程系、上海交通大学计算机科学与工程系、华北电力大学组…

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15篇。 本文经arXiv每日学术速递授权转载 cs.SD语音