![语音/音频处理学术速递[1.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-01-30/1752168577957498880.jpg)
声浪
小米新一代Kaldi团队论文解读：新型自动语音识别 (ASR) 模型Zipformer诞生之路｜ICLR 2024 Oral
近日，小米集团新一代 Kaldi 团队关于语音识别声学模型的论文《Zipformer: A faster and better encoder for automatic speech recognition》被 ICLR 2024 接收为…
168 0 0
![语音/音频处理学术速递[1.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-01-26/1750718525837807616.jpg)
ICASSP2024丨PromptVC: 自然语言描述驱动的风格语音转换
风格语音转换（Stylistic Voice Conversion）旨在将源语音的风格转换为目标风格。当前大多数风格语音转换方法依赖于预定义的标签或参考语音来控制风格转换过程，这导致了风格多样性受限以及风格表示的直观性和可解释性方面存在不足…
68 0 0
![语音/音频处理学术速递[1.24]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-01-25/1750364245591199744.jpg)
AI生成视频&使用中文语音对口型
今天来讲讲如何用AI生成带有中文语音的3秒视频。这是一个振奋人心的时候，因为这就意味着我们可以用AI生成各种短视频，再合并形成一个比较长的视频了。 来源丨日本生活点滴 先说一下流程吧，首先是去网站上生成的3s视频，然后再本地用TTS功能生成…
75 0 0
Sensors｜基于交互注意力音视频融合的人员验证
标题：Audio–Visual Fusion Based on Interactive Attention for Person Verification 作者：景雪斌，何亮，宋志达，王少磊 单位：新疆大学计算机科学与技术学院、清华大学电子…
53 0 0
![语音/音频处理学术速递[1.23]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-01-25/1750357258816065536.jpg)