声浪

语音小管家

转载7 months ago

来源：AI随想录，作者：William 论文标题: DashengTokenizer: One layer is enough for unified audio understanding and generation 论文链接: htt…

语音小管家

转载7 months ago

由阶跃星辰和ACE Studio联合发布的开源音乐生成模型ACE-Step 1.5，制作一首商业歌曲仅需 2-10 秒。 ACE-Step 1.5能“一人”包揽从创作端的作词、作曲、编曲，到制作端的制作人、录音师、混音师、母带师，再到前台歌…

语音小管家

转载7 months ago

语音降噪是语音信号处理里面的一个经典领域，距离Schroeder在1965年首次提出语音降噪概念，距今已经60多年。在这60多年里，语音降噪从信号处理走向深度学习，对语音质量提升了一次又一次。语音降噪的目标是从麦克风接收的信号提取干净的语音…

语音小管家

转载7 months ago

来自小红书超级智能团队的FireRed-OCR，以仅 20 亿参数的轻量模型，在权威文档解析基准 OmniDocBench v1.5 上拿下端到端方案第一，综合得分 92.94%，超越 Gemini 3.0 Pro、DeepSeek-OCR…

语音小管家

原创7 months ago

美的集团（上海）有限公司-AI研究院 美的集团 AI 研究院成立于 2020 年初，是美的集团旗下一级专业研发平台单位。作为美的集团（世界 500 强企业）数智化转型的核心布局，AI 研究院的创立旨在汇聚全球顶尖人工智能人才，推动 AI 技…

语音小管家

转载7 months ago

来源丨AI音频时代 新泽西理工学院（NJIT）和纽约大学（NYU）的研究人员正在通过一项新资助的项目，共同在数字无障碍领域取得突破性进展，该项目旨在让在线视频内容对聋人和听力障碍（DHH）观众更具包容性。 在未来三年内，凭借美国国家科学基金…

语音小管家

原创7 months ago

AudioCC交我学 在当前大模型飞速发展的背景下，我们正在见证一系列基础架构的创新突破。本文将从技术角度深入解析门控注意力、线性注意力和扩散语言模型三大创新，探讨其设计动机、实现路径与发展趋势。 一、架构创新的共同驱动力 随着模型规模不断…