声浪

语音小管家

转载4 months ago

本期分享中国科学技术大学语音及语言信息处理国家工程研究中心研究团队近期发表在IEEE Transactions on Audio, Speech and Language Processing期刊上的2篇关于超低码率语音编解码器的研究。 0…

语音小管家

原创4 months ago

近日，Soul AI Lab与西北工业大学音频语音与语言处理研究组、Moonstep AI，开源了端到端多人对话转录模型SoulX-Transcriber。 作为一款面向长音频、多说话人场景设计的语音理解模型，SoulX-Transcrib…

语音小管家

转载4 months ago

来源丨AI音频时代、Renee 创业随笔 近日，ElevenLabs 发布了新一代音乐模型 Music v2，目前已经可以在 ElevenMusic 和 ElevenCreative 中使用。 Stable Audio 3.0刚刚升级后（S…

语音小管家

转载4 months ago

在自然的人机对话中，“系统能否被打断”以及“何时应停止发言并转而倾听用户”是决定交互自然性的关键问题。理想的语音对话系统（Spoken Dialogue System, SDS）不应只是机械地遵循“你一句、我一句”的轮替模式，而应像人与人交…

语音小管家

原创4 months ago

AudioCC交我学 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，分享技术创新与应用实践的最新动态。…

语音小管家

转载4 months ago

近日，清华大学自然语言处理与社会人文计算实验室与面壁智能、OpenBMB 开源社区正式发布ForgeTrain——全球首个完全由 AI 编写、零人类代码介入的生产级大模型训练框架。 它不是一个实验原型，而是一套可以直接投入生产、创造价值的“…

语音小管家

转载4 months ago

论文链接：https://arxiv.org/abs/2605.27258 项目主页：https://amapvoice.github.io/PilotTTS/ GitHub Repo：https://github