声浪

语音小管家

转载7 months ago

One-shot Voice Conversion（单样本语音转换）这件事，直观理解就是： 给模型一段“你说的话”，再给它一小段“目标说话人”的参考音，模型输出的语音内容不变，但音色变成目标说话人。 这类技术在论文demo里通常效果很好。但…

语音小管家

转载7 months ago

今天，字节正式推出原生全双工语音大模型 Seeduplex。相比于上一代半双工豆包端到端语音模型，Seeduplex 基于“边听边说”的全新框架设计，交互体验的自然感、顺畅度大幅提升。 如果说端到端架构通过统一“听”“说”模块，让 AI 拥…

语音小管家

转载7 months ago

歌曲结构标注（MSA）是一种能够识别歌曲中具有功能意义的段落（如前奏、主歌、副歌）并精准检测其边界的技术，正日益成为音乐理解和可控音乐生成的重要支撑技术。然而，现有的 MSA 方法通常由于训练数据规模有限、标注不一致、依赖复杂预处理流程等原…

语音小管家

转载7 months ago

生成式通用语音增强（Universal Speech Enhancement, USE）旨在利用生成式模型改善各类失真条件下的语音质量。当前主流方法虽能有效提升感知质量，但在语义一致性方面仍面临挑战——生成语音常出现语义偏差、词汇误换或上下…

语音小管家

转载7 months ago

来源丨新智元、AI小展厅 面壁智能2B小模型VoxCPM 2惊艳开源，一众外国网友疯狂了！30种语言与9大方言它是信手拈来，复刻的贺炜激昂解说与徐志胜脱口秀，相似度简直直击灵魂。这哪是工具，分明是降维打击的生产力核武器！ VoxCPM 2，…

语音小管家

转载7 months ago

🎯中文口语语言处理国际会议 International Symposium on Chinese Spoken Langauge Processing (ISCSLP) 会议时间：2026年11月14-17日 会议地点：马来西亚·槟城 往…

语音小管家

转载7 months ago

多模态情感分析正经历从静态分类向生成式推理（Generative Reasoning）的深刻范式转变。为了理解复杂的社交互动，系统必须能够综合诸如面部微表情和语音韵律等细粒度信号，以解码潜在的因果逻辑。 近年来，虽然通用多模态大语言模型（如…

语音小管家

转载7 months ago

来源丨paperWeekly 近日，南京大学与腾讯音乐发布开源语音大模型 VITA-Qinyu ，这是业内首款兼具自然对话、高表现力角色扮演与歌唱能力的 开源端到端语音语言模型 （SLM）。目前 VITA-QinYu 的训练代码与模型权重全…