声浪

语音小管家

原创2 years ago

近日，阿里发布了Qwen2-Audio模型。Qwen2-Audio 是一个大型的音频语言模型系列，它能够接受音频信号输入，进行音频分析或直接文本响应，支持语音聊天和音频分析两种交互模式，并且提供了预训练模型Qwen2-Audio-7B和聊天…

语音小管家

原创2 years ago

吴恩达教授开新课了，还是亲自授课！ 课程链接：https://www.deeplearning.ai/short-courses/ai-python-for-beginners/ 近期，人工智能著名学者、斯坦福大学教授吴恩达在社交平台 X…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理9篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

过去二十年来，语音技术取得了突飞猛进的发展，特别是在自动语音识别（ASR）任务中，针对流利语音的识别已经达到了接近人类的水平。然而，当这些模型应用于非典型语音（如口吃）时，其效果却显著下降。这种局限性表明，当前的ASR系统在处理多样、复杂的…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

微软举办的DNS Challenge比赛做语音的朋友们或多或少有所了解，但是这个比赛更多的注重语音增强的效果。然而在实际场景下，很多语音增强的算法要放在低算力的端侧运行，这就对模型的参数量提出了要求。受到DNS Challenge比赛的启发…

语音小管家

转载2 years ago

2024 火山引擎 AI 创新巡展・成都站于近日正式举办。活动现场发布了豆包・图生图模型，以及升级版的豆包・文生图模型、豆包・语音合成模型、豆包・声音复刻模型。 本文介绍了升级版文生图、语音合成、声音复刻模型特征，包括图像生成方面更深刻理解…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10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

音频资料通常只以原作语言广泛传播，而翻译工作成本高昂且不普遍。所以，人们一直梦想着能够将流行的音频资料翻译成当地语言。 除此之外，当音频材料被翻译时，它通常是用一种听起来很普通的声音进行的，与书本（文章等）的预期基调完全不符。 而现在，得益…

语音小管家

原创2 years ago

为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期是INTERSPEECH 2024专题第五部分，共遴选了7篇论文，覆盖疾病检测、音频鉴伪、语音合成…