声浪

西工大音频语音与语言处理研究组

原创2 years ago

自动唇语识别（Automatic Lip Reading, ALR）旨在从说话人的无声唇语动作视频自动识别出说话内容。目前的主流唇语识别方法只使用单个视觉编码器来建模单尺度的输入视频。本文提出通过融合多尺度视频数据和多编码器系统来增强唇语识…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音13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 【1】 Improving Multimodal Learning with Multi-Loss Gradient…

新智元

转载2 years ago

ChatGPT 问世才 17 个月，OpenAI 就拿出了科幻电影里的超级 AI，而且完全免费，人人可用。 传说，这一夜，OpenAI要改变历史。 看完发布会的观众们，久久未从巨大的震惊中走出——科幻电影中的「Her」，在此刻成真了！ 在全…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理5篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

21dB声学人

转载2 years ago

近日，美国专利商标局正式授予苹果一项专利，该专利涉及可能具有定向音频功能的下一代AirPods系列可穿戴设备。 苹果的发明提供了一种带有音频模块的可穿戴设备，该模块可操作以从远离用户耳朵的距离提供音频输出。 例如，可穿戴设备可以佩戴在用户的…

语音小管家

转载2 years ago

Recent Advances on Speech Dialogue and Auditory Processing (RASDAP2024)Technical Report 为了更好地推动语音对话与听觉处理领域的深入交流与前沿研究，由中国…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音2篇，eess.AS音频处理2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4篇，eess.AS音频处理7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

随着汽车成为人们日常生活中越来越重要的工具，用户需要安全、舒适、更智能的驾驶体验，智能驾驶舱的概念也逐渐出现。智能驾驶舱旨在通过支持包括语音和操作手势在内的多模式交互，尽可能提高用户体验和驾驶便利性。语音在现阶段的智能座舱交互中起着至关重要…

西工大音频语音与语言处理研究组

原创2 years ago

全球有 7000 多种语言，但大多数语言仍然缺乏语音技术的充分支持。近年来，学术界和工业界都对多语种自动语音识别（Multilingual Automatic Speech Recognition）表现出了浓厚的兴趣，以扩大语种覆盖范围。这…