声浪

语音小管家

转载7 months ago

WEST 新增了 GRPO 强化学习和 On-Policy Distillation 两个 recipe，支持对 Qwen2-Audio、Qwen2.5-Omni 等音频模型做后训练。GRPO 方案可复现 r1-aqa、Ke-Omni、Om…

语音小管家

转载7 months ago

基于神经网络的方法使语音分离技术取得显著进步，在信号层面的指标上表现更佳。然而，这些方法往往难以在分离信号中保持语音可懂度，这会对语音识别等下游任务的性能产生负面影响。本文提出SLM-SS方法，通过将语音语言模型应用于语音分离，旨在提升分离…

语音小管家

转载7 months ago

论文标题：Covo-Audio Technical Report 论文链接：https://arxiv.org/pdf/2602.09823v1 当语音助手能听懂指令、生成语音时，却常陷入 “逻辑脱节、交互僵硬、音色难定制” 的困境，要么只…

语音小管家

转载7 months ago

来源丨RET开发者社区 传统的AI语音合成往往因缺乏情感表达而显得机械生硬。Fish Audio最新开源的文本转语音模型Fish Audio S2，致力于解决这一痛点。该模型能够生成包含清嗓、叹息、笑场等细微人类声学特征的语音。 模型权重、…

语音小管家

转载7 months ago

来源丨AI音频时代 AI似乎已经无处不在，而我们身处的内容产业，AI内容生成技术也像极了即将到来的暴风骤雨，但无论是否还要继续坚持，我们都应该去了解这里面发生了什么。而多年来，视频生成和音频生成一直像两个陌生人，分别待在不同的制造车间里。当…

语音小管家

转载7 months ago

我们平时说话，信息不只在“字面内容”里，还藏在各种副语言声音里：笑、喘气、叹气、咳嗽，以及“嗯/啊/哦”这类带态度的语气词。它们在真实对话里承担了大量功能： 表达情绪与态度：开心的笑、无奈的叹气、不耐烦的“哼” 组织对话节奏：思考时的“呃/…

语音小管家

转载7 months ago

来源丨21db声学人 在极低信噪比环境下，传统语音增强系统性能急剧下降，气导麦克风常被环境噪音淹没。近日，来自军事科学院国防科技创新研究院、中国科学院声学研究所和计算技术研究所的研究团队提出了一种名为深度平衡多模态迭代融合框架（DBMIF）…