声浪

语音小管家

转载a year ago

来源丨机器之心 单 GPU 级世界模型来了。斯坦福大学教授李飞飞创业公司 World Labs 又推出了新成果！ 上个月，World Labs 发布了空间智能模型 Marble，「只需一张图片，就能生成持久存在的 3D 世界，比以往更宏大、…

语音小管家

转载a year ago

今天，火山引擎发布了豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）和豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0）。此次升级基于豆包大语言模型研发语音合成新架构，让合成和复刻的声音都能解锁深度语义理解和上…

语音小管家

原创a year ago

在自然人机交互中，实现如同人类般“边听边说”的全双工语音对话（Full-duplex Spoken Dialogue）一直是语音交互系统的终极目标。与传统的半双工系统不同，全双工系统要求模型能够在用户发言过程中，实时判断是否需要继续倾听、生…

语音小管家

转载a year ago

分享一款开源 TTS 模型：NeuTTS Air，它是一款免费、开源、轻量级的超逼真语音合成模型。 仅 0.5B 参数，但实际体验几乎媲美市面上许多商用 TTS 引擎。更关键的是，它能在手机、笔记本甚至树莓派这样的低功耗设备上流畅运行，真正…

语音小管家

原创a year ago

音频超分辨率（Audio Super-Resolution, Audio SR），即从低采样率音频恢复出高采样率版本，是提升语音清晰度、音乐细节与沉浸式音频体验的关键技术。无论是在老旧录音修复、语音通信增强，还是音乐制作与多模态生成中，高分…

语音小管家

原创a year ago

主流自动语音识别（ASR）系统在转写词汇内容上表现优异，但普遍忽略了语音中蕴含的叹气、笑声等非语言发声（Nonverbal Vocalizations, NVs）。这一能力缺失限制了系统对人类交流意图与情感的全面理解，使得NV感知ASR（N…

语音小管家

转载a year ago

自从两百多年前第一支听诊器问世以来，从那时起到引力波那一瞬间短暂的“啾啾”声，声音在科技与科学发展的历史中始终回荡不息。 如今，声音在科学中的角色早已超越了人类可听的范围：超声波以及其他“无声”的声波，正被研究人员广泛应用，帮助他们突破传统…