声浪

语音小管家

转载9 months ago

通义实验室语音团队提出一种基于心理学 PAD 模型的情感语音合成框架，支持用户在愉悦度（Pleasure）、唤醒度（Arousal）和支配度（Dominance）上灵活控制情感表达。无需依赖固定情感标签，就能自由组合出“温柔但坚定”“兴奋而…

语音小管家

转载9 months ago

想象这样一个场景：你使用声纹锁保护隐私，攻击者在旁边播放了一段看似普通的陌生人录音（比如一段新闻或别人的谈话）。人耳听不出异样，声纹锁却被“欺骗”并打开了——这就是物理信道（OTA）对抗攻击。 以往，空气中的噪音和回声是天然的屏障，会让这种…

语音小管家

转载9 months ago

本期分享杭州电子科技大学智能语音课题组在信号处理领域顶级会议ICASSP 2026上录用的3篇论文，入选论文涵盖生成式语音增强、高保真神经音频压缩以及基于最优传输的无监督学习。作为IEEE主办的全球旗舰会议，ICASSP是语音与音频前沿技术…

语音小管家

转载9 months ago

近日，ICASSP 2026会议发出了审稿结果通知，上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文，本文是第二期。 07、Task Vector in TTS: Toward Emotionally E…

语音小管家

转载9 months ago

标题：A Study Of Data Selection Strategies For Pre-Training Self-Supervised Speech Models 链接：https://arxiv.org/pdf/2601.208…

语音小管家

原创9 months ago

近期，Soul App AI团队（Soul AI Lab）开源了实时数字人生成模型SoulX-FlashTalk 。这是首个能够实现0.87s亚秒级超低延时、32fps高帧率，并支持超长视频稳定生成的14B数字人模型。 除了在速度、效果、延…

语音小管家

转载9 months ago

近日，ICASSP 2026会议发出了审稿结果通知，上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文，本文是第一期。 01、Measuring Prosody Diversity inZero-Shot…

语音小管家

转载9 months ago

「 现存问题 」 用户在进行指令语音合成时，常常希望用自然语言指令控制情绪、语气、语速等风格，同时又希望用一段参考音频实现零样本音色克隆。但现实中参考音频往往会把自身的情绪与韵律一起“带进来”，文本也可能自带隐含风格，导致模型忽略指令，出现…