声浪

语音小管家

转载7 months ago

Singing Accompaniment Generation（SAG，人声伴奏生成）想做的事很直观：给你一段干净的人声/旋律，模型生成一段和声、节奏匹配的伴奏。 但现实里，很多SAG系统都踩在同一个坑上：它们训练时用的“人声输入”，往往…

语音小管家

原创7 months ago

近日，Soul App AI 团队（Soul AI Lab）联合上海交通大学 X-LANCE Lab和西北工业大学 ASLP@NPU 团队，正式开源 SoulX-Duplug —— 一款面向 全双工语音对话系统（Full-Duplex Sp…

语音小管家

转载7 months ago

构建稳健的对话语音大语言模型（Speech LLM）在很大程度上依赖于真实的多语种对话语音数据，然而当前此类数据的稀缺对该领域的发展构成了重大挑战。Interspeech2025多语种对话语音语言模型（MLC-SLM）挑战赛旨在通过发布真实…

语音小管家

转载7 months ago

通义发布并开源了首个支持影视级多场景配音的多模态大模型Fun-CineForge。此外，还配套开放了高质量数据集的构建方法。通过“数据 + 模型”的一体化设计，Fun-CineForge 正尝试解决影视级 AI 配音长期面临的关键问题。 在…

语音小管家

转载7 months ago

WEST 新增了 GRPO 强化学习和 On-Policy Distillation 两个 recipe，支持对 Qwen2-Audio、Qwen2.5-Omni 等音频模型做后训练。GRPO 方案可复现 r1-aqa、Ke-Omni、Om…

语音小管家

转载7 months ago

基于神经网络的方法使语音分离技术取得显著进步，在信号层面的指标上表现更佳。然而，这些方法往往难以在分离信号中保持语音可懂度，这会对语音识别等下游任务的性能产生负面影响。本文提出SLM-SS方法，通过将语音语言模型应用于语音分离，旨在提升分离…