声浪

语音小管家

原创2 years ago

由于大规模实录多通道音频数据集的匮乏，基于深度学习的多通道语音增强和声源定位非常依赖于房间冲激响应以及多通道扩散噪声的仿真。然而，仿真数据与实录数据的声学特性差异会使得模型在泛化到真实场景中时增强与定位性能下降。为了降低仿真到真实泛化带来的…

西工大音频语音与语言处理研究组

原创2 years ago

过去二十年来，语音技术取得了突飞猛进的发展，特别是在自动语音识别（ASR）任务中，针对流利语音的识别已经达到了接近人类的水平。然而，当这些模型应用于非典型语音（如口吃）时，其效果却显著下降。这种局限性表明，当前的ASR系统在处理多样、复杂的…

语音小管家

原创2 years ago

用14,000 小时的中文数据集训练后，模型的效果取得了 SOTA 或者接近 SOTA 的水平。750M 参数量的 Zipformer-XL 模型可以实现 WenetSpeech test_meeting 测试集5.85%的错误率, 达到了…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

2024 火山引擎 AI 创新巡展・成都站于近日正式举办。活动现场发布了豆包・图生图模型，以及升级版的豆包・文生图模型、豆包・语音合成模型、豆包・声音复刻模型。 本文介绍了升级版文生图、语音合成、声音复刻模型特征，包括图像生成方面更深刻理解…

语音小管家

转载2 years ago

微软举办的DNS Challenge比赛做语音的朋友们或多或少有所了解，但是这个比赛更多的注重语音增强的效果。然而在实际场景下，很多语音增强的算法要放在低算力的端侧运行，这就对模型的参数量提出了要求。受到DNS Challenge比赛的启发…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

21dB声学人

转载2 years ago

音频资料通常只以原作语言广泛传播，而翻译工作成本高昂且不普遍。所以，人们一直梦想着能够将流行的音频资料翻译成当地语言。 除此之外，当音频材料被翻译时，它通常是用一种听起来很普通的声音进行的，与书本（文章等）的预期基调完全不符。 而现在，得益…

语音小管家

原创2 years ago

为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期是INTERSPEECH 2024专题第五部分，共遴选了7篇论文，覆盖疾病检测、音频鉴伪、语音合成…

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