声浪

语音小管家

转载9 months ago

机器之心编辑部 今天，Meta 完成了一项大收购，将智能体初创公司 Manus 收入麾下。 目前，双方交易的具体细节（包括具体收购金额等）尚未公布。 自今年 3 月推出全球首款通用 Agent 以来，Manus 迅速走红，成为人工智能领域的…

每日语音速递

转载9 months ago

从2022年优化智能客服开始，我就开始尝试优化人机语音对话中的“语义完整度”模块。当时大部分人的精力都集中在优化识别率，在语音对话系统中，这不是一个核心模块，似乎是可有可无的，但语义上的完整度对于用户体验、信息收集的效率都有很大的影响。特别…

语音小管家

转载10 months ago

来源 | 量子位 现有的AI视频生成模型虽然在短片上效果惊人，但面对一首完整的歌曲时往往束手无策——画面不连贯、人物换脸、甚至完全不理会歌词含义。 近日，来自M-A-P、北京邮电大学、南京大学NJU-LINK实验室等机构的研究者们提出了Au…

语音小管家

转载10 months ago

最近一些朋友，包括从事投资方向的朋友，看到我的笔记和文章后，会找我聊语音相关的技术和现状，以及对当前一些技术和应用的看法。今天想分享一下，在我看来，大模型的AI时代，未来在智能语音方向，我只看好两个方向：语音理解和被动语音记录。 基础技术上…

语音小管家

转载10 months ago

来源丨PaperWeekly 无需重新训练，只要抑制 0.1% 的特定神经元，就能让模型“闭嘴”？ 近年来，大语言模型（LLMs）在问答、推理与生成任务中展现出卓越能力，但其幻觉（Hallucination）问题仍然是制约实际应用的核心挑战…

语音小管家

原创10 months ago

近日，千问C端AI人机交互团队联合通义实验室在音频大模型领域取得重要进展，正式开源QuarkAudio：一个面向端到端音频处理与生成的统一建模框架。QuarkAudio基于离散化音频表征实现了对语音修复、音频生成与编辑等多样化任务的统一建模…

语音小管家

转载10 months ago

说实话，今年语音模型的内卷程度已经到了不讲武德的地步。但这次，Qwen3-TTS 的更新，是真的有点狠。 阿里通义刚刚上线了 Qwen3-TTS 的两大核心能力： •VoiceDesign（VD-Flash）：用文字“设计”声音，而不是选声…