声浪

语音小管家

转载6 months ago

标题：《TTS-PRISM: A Perceptual Reasoning and Interpretable Speech Model for Fine-Grained Diagnosis》 链接：https://arxiv.org/pd…

语音小管家

原创6 months ago

让语音大模型学会“听声辨意”，不只是转文字，更要懂语气、知情绪、会安慰。 🙋 一个真实的场景 你对着智能语音助手说：“早上好”， 声音里带着轻微的咳嗽。

语音小管家

转载6 months ago

在会议和电话等真实的多说话人对话场景中，全面的对话理解不仅需要准确的语音识别（ASR），还要求模型能够联合处理说话人属性、细粒度的时间戳定位以及文本转写。然而，语音重叠、频繁的附和（backchannels）以及快速的语权交替等复杂声学现象…

语音小管家

转载6 months ago

以下文章来源于SV4Good AI Lab 引言 Sora、Kling 等文生音视频模型，能画出逼真画面、配上同步声音，但真的懂声学物理吗？吹空瓶子 vs 吹装水瓶子、敲木头 vs 敲金属，模型能生成符合物理规律的声音吗？ 本文介绍由香港科…

语音小管家

转载6 months ago

来源丨智东西 今天，小米正式开源 MiMo-V2.5 系列模型，采用MIT协议，允许商用推理部署与二次训练，无需额外授权。 ▲MiMo-V2.5-Pro在Hugging Face的开源页面截图 此前，该系列模型于4月23日开启公测，包括Mi…

语音小管家

转载6 months ago

在过去几十年中，计算机科学家开发了许多能够处理不同语言的人类语音的人工智能（AI）系统。然而，这些模型在多大程度上复刻了人类理解口语时的大脑运作机制，目前尚无明确结论。 哥伦比亚大学、IBM研究院和费恩斯坦医学研究所的研究人员最近开展了一项…

语音小管家

转载6 months ago

FireRed-OpenStoryline将复杂的视频创作转化为自然直观的对话体验。兼顾易用性和企业级可靠性，让视频创作对初学者和创意爱好者都变得简单友好。 项目简介 FireRed-OpenStoryline是FireRedTeam团队开…