声浪

THUHCSI人机语音交互实验室

原创2 years ago

TASLP MSStyleTTS：面向表现力语音合成的多尺度风格建模 本工作由清华大学与元象唯思控股(深圳)有限公司和香港中文大学合作，研究了表现力语音合成中的多尺度说话风格建模方法。现有的说话风格建模方法主要是根据当前句子中的信息预测单一…

西工大音频语音与语言处理研究组

原创2 years ago

大语言模型（LLM）在语音合成领域得到广泛应用，它将语音合成任务视为简单的下一个语音离散单元预测。其中，寻找合适的语音编解码器（Codec）来进行语音离散化和波形重建是首要问题。多码本编解码器由于其卓越的重建质量而被广泛采用。然而，多个码本…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音10篇，eess.AS音频处理9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

港中大（深圳）联合中科院声学所、上海人工智能实验室等机构发布了超过10万小时包含6种语言的多样化的语音生成数据集——Emilia！更重要的是，Amphion直接开源了Emilia-Pipe数据预处理框架，学术界也能众筹数据了，也能玩大模型了…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音13篇，eess.AS音频处理13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

普强信息 普强于2009年在美国硅谷成立全球研发中心，主要从事智能语音和语言技术的研究，2010年设立中国运营公司，是金融科技创新和智能汽车AI服务提供商，在硅谷和中关村、上海,深圳均建设有技术研发中心，在南京拥有声学实验室，专注于金融大数…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音8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

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音22篇，eess.AS音频处理15篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

阿里语音AI

原创2 years ago

人类对自身的研究和模仿由来已久，在我国2000多年前的《列子·汤问》里就描述了有能工巧匠制作出会说话会舞动的类人机器人的故事。声音包含丰富的个体特征及情感情绪信息，对话作为人类最常使用亲切自然的交互模式，是连接人与智能世界至关重要的环节。…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音32篇，eess.AS音频处理47篇。 本文经arXiv每日学术速递授权转载 cs.SD语音