智能座舱中的多模语音交互
本文总结于平线智能座舱团队-杨超在深蓝学院关于智能座舱中的多模语音交互的公开课。 智能座舱的介绍 汽车座舱是指车内的驾驶和乘坐空间，智能座舱，及智能化的汽车座舱。行业内目前还没有关于智能座舱的标准定义。我们可以简单的说，智能座舱通过配备智能…
204 0 0
声浪
扎克伯格曝光Meta的小目标：AI自动生成元宇宙，实时翻译所有语言
Meta 正在致力于通过语音生成元宇宙世界的人工智能研究，还有很多神奇的技术。首席执行官马克 · 扎克伯格本周三表示，该公司正在研究改善人们与语音助手交流顺畅程度，以及在不同语言之间进行翻译的方式。 最近一段时间，扎克伯格正带领脸书 all…
182 0 1
ICASSP 2022论文解读：基于统一深度模型的RTC 3A算法
ICASSP (International Conference on Acoustics, Speech, and Signal Processing) 是国际声学、语音和信号处理会议，亦为IEEE信号处理协会组织的年度旗舰会议。历届IC…
356 0 0
Meta 开发 AI 语音助手，用于创建虚拟世界和实时翻译
Meta 在近日的「用人工智能构建元宇宙」的讨论会上，展示了最新的 AI 黑科技 「Builder Bot」 ，并且在此次会议上 Meta 公布了关于构建元宇宙的人工智能计划，其中包括通用语言翻译系统、对话 AI 系统CAIRaoke，人工…
209 0 0
ICASSP2022 | 同花顺在多通道多方会议转录(M2MeT)挑战赛斩获冠军
近期，由国际顶级语音会议ICASSP（International Conference on Acoustics, Speech, and Signal Processing，国际声学、语音与信号处理会议）和阿里巴巴集团联合举办的ICASS…
292 0 0
不出声，也能聊Siri！康奈尔华人团队打造「无声」智能项链，中英文两用
光动嘴，不出声，也能语音识别？康奈尔大学华人团队打造的智能项链不但做到了，而且中英文通用，识别准确率超过90%，奥秘在于装在项链内部的红外摄像头。 现有的语音识别技术可以让用户和Siri直接对话，问问明天的天气，或者让Alexa放首歌什么的…
206 0 0
开源分享丨NATSpeech一个非自回归语音合成框架
近期，由浙江大学计算机学院赵洲老师团队开源的NATSpeech非自回归语音合成框架，在GitHub发布。 开源地址 https://github.com/NATSpeech/NATSpeech
237 0 0
开源分享丨DiffSpeech (用于语音合成) 与 DiffSinger (用于歌声合成)
本文将分享浙江大学计算机学院赵洲老师团队在AAAI-2022 论文中提出的DiffSpeech (用于语音合成)与DiffSinger (用于歌声合成)的官方Pytorch实现。
1756 0 0
LeCun看了都说好！Meta AI一次搞定语音、视觉和文本三个SOTA
人工智能科学伊始，让机器「像人一样学习」始终是所有从业者的目标。人的智能基于多种感官与语言的通用处理能力，一直有研究者致力让机器做到此效果。 人的智识是「多模态学习」的总和，也就是可以跨越分类界限，理解和移用不同来源或形式的讯息与经验。 好…
168 0 0