INTERSPEECH 2024｜基于转录提示的高效音频大语言模型鲁棒语音识别
基于单解码器（Decoder-only）的 LLM[1,2,3,4] 彻底改变了自然语言处理(NLP)领域。由于 LLM能够捕获复杂的语言模式和上下文信息，在机器翻译、情感分析、文本生成等 NLP 任务上取得了令人印象深刻的效果。在此背景下…
36 0 0
声浪
IEEE T-ASLP | 利用ASR预训练的Conformer模型通过迁移学习和知识蒸馏进行说话人验证
近期，昆山杜克大学在语音旗舰期刊IEEE/ACM Transactions on Audio, Speech and Language Processing (TASLP)上发表了一篇题为“Leveraging ASR Pretrained…
11 0 0
![语音/音频处理学术速递[8.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-22/1826520156621377536.jpg)
![语音/音频处理学术速递[8.21]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-22/1826519823899824128.jpg)
论文合集下载丨第十九届全国人机语音通讯学术会议
2024年8月15日至18日，第十九届全国人机语音通讯学术会议（NCMMSC）暨CCF语音对话与听觉专委会2024年学术年会在新疆乌鲁木齐成功召开。 会议论文集下载方式在文末👇 全国人机语音通讯学术会议作为语音技术领域内的专家、学者及科研…
11 0 0
文本和上下文感知的高表现力有声书合成
语音合成（TTS）的目标是从文本生成自然流畅的语音。随着序列到序列（seq2seq）方法的广泛应用，语音合成系统在自然度和表现力方面取得了显著进展。然而一个主要挑战是，在不依赖人工标注数据或参考语音的情况下，语音合成系统难以像人类朗读者那样…
32 0 0
![语音/音频处理学术速递[8.20]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-20/1825795977068548096.jpg)
Interspeech2024 | Simul-Whisper：基于注意力和截断检测的流式Whisper
作为一个具有强大鲁棒性的大规模端到端多语言语音识别模型，Whisper在很多低资源和分布外的场景下，不需要经过任何微调就可以表现出不错的识别性能，然而Whisper使用了Transformer架构，编码器-解码器的结构限制了它在流式语音识别…
13 0 0
GPT-4o级开源语音交互系统发布，交互延迟仅0.5秒
来自 Hugging Face 的 Vaibhav Srivastav 最近在推特上发布了一条令人振奋的突破：Speech to Speech语音交互系统，可以极大地提升了人与机器之间的沟通效率与体验。 GitHub 链接：https://…
16 0 0
![语音/音频处理学术速递[8.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-20/1825795651728969728.jpg)