声浪

语音小管家

转载a year ago

语音驱动的三维人脸动画旨在根据输入语音生成同步的面部运动，这项技术近年来受到了广泛关注。然而，现有方法普遍忽略了说话者的个性化风格，例如独特的面部表情和头部姿态，导致生成的人脸动画缺乏真实感和个性表达。部分工作尝试通过微调模型来建模不同人物…

语音小管家

原创a year ago

大家好，欢迎来到「AudioCC交我学」专栏！ 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术…

语音小管家

原创a year ago

FlowDirector团队投稿 量子位 | 来源 AI的视频编辑方法总是存在一些问题：例如视频运动不连贯、编辑后的视频产生意外变化等……经过分析，这些问题的产生最终大都指向同一原因——反演-编辑范式。 因此，西湖大学AGILab提出了一种…

语音小管家

原创a year ago

随着汽车成为人们日常生活中不可或缺的一部分，而驾驶舱中传统的触摸交互方式容易分散驾驶员的注意力，存在安全风险，因此，车内基于语音的交互方式得到重视。与通常家庭或会议场景中的语音识别系统不同，驾驶场景中的系统面临更加独特的挑战，缺乏大规模的公…

语音小管家

转载a year ago

在智能家居、老年护理和行为监测等领域，人类活动识别（Human Activity Recognition, HAR）技术的应用日益广泛。传统的HAR系统通常依赖于可穿戴设备、传感器网络或音视频数据来检测和分类人类活动。然而，基于声音的HAR…

语音小管家

转载a year ago

本文介绍清华大学人机语音交互实验室（THUHCSI）在会上发表的第1篇论文：Speechcraft：大规模自然语言细粒度描述的表现力语音数据集。 文本-语音多模态学习任务（Speech-language Multimodal Learnin…

语音小管家

转载a year ago

2025年伊始，大语言模型DeepSeek在继2022年底ChatGPT带来人工智能（artificial intelligence，AI）的“现象级”应用之后，再度带来了新一波全球性的大模型应用和讨论的热潮，甚至被视为某些世界性事件的诱因…