Stability AI发布增强型文本音乐引擎Stable Audio 2，具有上传和风格切换功能
合成媒体初创公司Stability AI发布了其文本转音乐模型的升级版本。新的Stable Audio 2能够根据书面提示生成长达三分钟的音乐曲目，并且该工具还包含其他新功能。 Stable Audio 2增强了9月份发布的原始Stable…
55 0 0
声浪
![语音/音频处理学术速递[4.10]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-11/1778332225763414016.jpg)
人工智能语音识别模型的最大更新
AssemblyAI 刚刚发布了一个高度准确的多语言语音到文本AI模型Universal-1。它在英语、西班牙语、法语和德语方面都达到了同类最佳的准确性，并在许多基准测试中击败了OpenAI whisper和NVIDIA Canary。 在…
82 0 0
![语音/音频处理学术速递[4.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-10/1777954826320220160.jpg)
“场景篡改音频检测”工作在期刊《Pattern Recognition》发表
《Pattern Recognition》期刊（IF=8.0），属于中科院一区Top期刊，也是模式识别领域最好的期刊之一。该期刊涵盖了模式识别、人工智能、图像处理、专家系统和机器人技术等的方法、技术和应用。《Pattern Recognit…
51 0 0
![语音/音频处理学术速递[4.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-09/1777588669922807808.jpg)
![语音/音频处理学术速递[4.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-09/1777586989357469696.jpg)
![语音/音频处理学术速递[4.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-09/1777584872429326336.jpg)
TIFS 2024丨基于聚集和分散的域泛化深度伪造音频检测方法
随着当前深度学习技术的迅猛发展，基于语音合成和语音转换等技术深度伪造的音频与真实音频之间的差异逐渐缩小，这对当前的深度伪造音频检测技术构成了巨大的挑战。现有的深度伪造音频检测技术通常在训练域内表现出较好的效果，然而，在面对跨域测试环境（如不…
37 0 0
![语音/音频处理学术速递[4.3]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-04-09/1777583254392672256.jpg)