声浪

西工大音频语音与语言处理研究组

原创2 years ago

随着语音技术的不断发展，在诸如会议转录和语音助手等各种应用中，大家对对话语音接口的需求出现了迅速增长。我们需要在现有语音系统的基础上，进一步拓展其对对话语音的识别能力。对话语音有其独有的特征，如角色偏好(role preferences)和…

21dB声学人

转载2 years ago

随着互联网的迅猛发展和网络智能化的普及，音视频内容已成为互联网传播的主流形式，各大视频网站、直播平台及短视频应用不断涌现，为亿万用户提供了丰富多样的娱乐和资讯内容。然而，这种繁荣背后也隐藏着不容忽视的问题：不良音频信息的传播日益猖獗，给社会…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理8篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

机器之心

转载2 years ago

苹果发布基于开源训练和推理框架的高效语言模型族 OpenELM。 要说 ChatGPT 拉开了大模型竞赛的序幕，那么 Meta 开源 Llama 系列模型则掀起了开源领域的热潮。在这当中，苹果似乎掀起的水花不是很大。 不过，苹果最新放出的论…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理4篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

新智元

转载2 years ago

最大开源模型，再次刷爆纪录！Snowflake的Arctic，以128位专家和4800亿参数，成为迄今最大的开源模型。它的特点，是又大又稀疏，因此计算资源只用了不到Llama 3 8B的一半，就达到了相同的性能指标。 就在刚刚，拥有128位…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音15篇，eess.AS音频处理13篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

oldpan博客

转载2 years ago

前两天FFmpeg作者Fabrice Bellard在个人主页发布了一款音频压缩工具TSAC。根据官网介绍，TSAC可达到非常低的比特率，例如44.1 kHz采样率下的码率可以达到单声道 5.5 kb/s 或立体声 7.5 kb/s，具有良…

机器之心

转载2 years ago

Llama-3 刚发布没多久，竞争对手就来了，而且是可以在手机上运行的小体量模型。 本周二，微软发布了自研小尺寸模型 Phi-3。 新模型有三个版本，其中 Phi-3 mini 是一个拥有 38 亿参数的语言模型，经过 3.3 万亿 tok…

21dB声学人

转载2 years ago

声学室模拟允许在AR眼镜上以最少的真实数据进行训练，用于开发鲁棒的语音识别声音分离模型。 随着增强现实（AR）技术的强大和广泛应用，它能应用到各种日常情境中。我们对AR技术的潜能感到兴奋，并持续不断地开发和测试新技术与体验。其中一个研究方向…