声浪

语音小管家

转载2 years ago

智能语音交互领域，学术研究也能如此酷炫。全球首个纯学术界自研的支持多人实时口语对话的语音情感大模型 ——“交交”，正式推出！ “交交” 由上海交通大学听觉认知与计算声学实验室倾力打造，它不仅是一个智能语音助手，更是一个多说话人、多语言、多角…

语音小管家

转载2 years ago

本文将为大家介绍“Falcon: A Remote Sensing Vision-Language Foundation Model”（Falcon:遥感视觉语言基础模型）。 Title：Falcon: A Remote Sensing V…

语音小管家

转载2 years ago

量子位 | 公众号 QbitAI 神奇！人类和海豚真的能实现跨物种交流了？当地时间4月14日（也是世界海豚日），谷歌CEO皮猜激动官宣： 隆重推出DolphinGemma，基于多年积累的海豚声音数据训练而成，有助于实现跨物种交流。 划重点，…

语音小管家

转载2 years ago

虽然扩散模型在视频生成领域展现出了卓越的性能，但是视频扩散模型通常需要大量的推理步骤对高斯噪声进行去噪才能生成一个视频。这个过程既耗时又耗计算资源。例如，HunyuanVideo [1] 需要3234 秒才能在单张 A100 上生成 5 秒…

语音小管家

原创2 years ago

比亚迪上周公开了一项名为"一种降噪裙板的制造方法、降噪裙板及车辆"的专利（CN119749612A），旨在提升裙板对宽频噪音的隔音降噪效果。 比亚迪在专利文件中指出，车辆（尤其是轨道车辆）运行时因车轮摩擦、撞击等情况产生较大的噪音，给附近居…

语音小管家

原创2 years ago

语音大语言模型（Spoken Language Model, SLM）正在引领人工智能领域的新一轮革新浪潮。正如文本自然语言处理从任务特定模型迈向通用大语言模型的演进，语音领域也正在经历类似转型。 为填补该领域系统性综述的空白，芝加哥大学、…

语音小管家

转载2 years ago

Orpheus TTS 是基于 Llama-3b 骨干网络的 SOTA 开源文本到语音系统。Orpheus 展示了使用 LLMs 进行语音合成的涌现能力。 项目链接：https://github.com/canopyai/Orpheus-T…