论文推介丨端到端语音合成中的跨说话人情感解耦与迁移
语音合成 (Text-to-speech, TTS) ，作为一种当前火热的AI生成任务，又称文语转换，是服务于语音交互、信息播报、有声朗读等任务的核心技术。在深度学习的推动下语音合成的自然度和音质得到了极大的提升。然而，人类语音不仅承载语言…
597 0 0
声浪
WebRTC AEC 流程解析
今天我们要将3A算法中最难的一个算法，也是WebRTC流程解析这个系列的最后一个算法，声学回声消除(Acoustic Echo Cancellation，AEC )。如果读者对WebRTC有一些了解的话，就知道WebRTC的AEC算法大致可…
483 0 0
MLPerf基准：阿里RISC-V处理器语音唤醒推理技术方案
以下文章来源于阿里语音AI，作者乔刚，鲁路，田彪 4月7日，AI基准测试 MLPerf™ Tiny Benchmark结果公布，阿里巴巴在嵌入式语音唤醒场景中提交的方案较好地平衡了推理任务中的准确率与延时，保证准确率90.7%情况下耗时最短…
152 0 0
AI说话也有小情绪！Meta AI连发三篇Textless NLP论文：语音生成的终极答案？
AI语音生成的特点就是呆板，没有情绪的起伏。最近Meta AI连发了三篇Textless NLP的论文，不仅开源了textlesslib库，还展示了AI对话在语音情感转换的惊人能力！
358 0 0
揭秘大模型背后的机理，清华49页长文全方位分析参数高效微调方案Delta Tuning
本文中，包括刘知远、唐杰、孙茂松等在内来自清华大学的研究者对大模型的参数高效微调进行了全方位的理论和实验分析。 来源丨机器之心 预训练语言模型 (PLM) 已经毫无疑问地成为各种 NLP 任务的基础架构，而且在 PLM 的发展中，呈现出了一…
298 0 0
NPU-ASLP实验室将携10篇论文参加语音旗舰会议ICASSP2022
作为声学、语音和信号处理相关研究领域的旗舰国际会议，ICASSP2022将采用全新的会议形式——5月7-13日全线上虚拟会议，5月22-27日以新加坡主会场、中国深圳分会场的线下线上混合形式进行。ICASSP为IEEE信号处理协会（SPS）…
410 0 0
WebRTC AGC 流程解析
自动增益控制(Automatic gain control, AGC)是控制语音信号的增益稳定在指定水平的算法，可以避免语音忽大忽小引起的听觉不适。AGC作为音频3A算法之一，似乎并没有像ANR和AEC那样被较多的关注，但我个人觉得这是一个…
422 0 0
微软语音扩展全球语言支持，发布 160 个新声音
全世界有数千种语言，最具语言天赋的人也只能说数十种，普通人能够学会两三种语言已属不易。然而，在科技日新月异的今天，具备自然语言对话能力的 AI 已经能够掌握上百种语言，扩展人类自身能力，为不同场景的跨境语言服务打开了更多可能性。 近期，微软…
163 0 0
聊一下说话人识别的cross-domain问题
作者编语：在说话人识别社区里，cross-domain问题，即跨域问题，是很常见和十分地影响着识别性能。这次想聊一下cross-domain问题，顺便带一下货[狗头]~我先从任务和应用场景的角度来谈cross-domain是怎样常见哈。 先…
242 0 0
聊一下说话人识别的cross-domain问题
作者编语：在说话人识别社区里，cross-domain问题，即跨域问题，是很常见和十分地影响着识别性能。这次想聊一下cross-domain问题，顺便带一下货[狗头]~我先从任务和应用场景的角度来谈cross-domain是怎样常见哈。 先…
228 0 0