声浪

语音小管家

原创a year ago

职位描述 1. 设计与开发评测方案： 围绕大语言模型和多模态大模型的各项能力，设计科学、公正、全面的评测（Benchmark）方案和对应的数据集。 2. 搭建评测平台： 参与或负责自动化评测系统的开发、部署和维护，提升模型迭代和评测效率。…

语音小管家

原创a year ago

职位描述 1. 构建百亿-千亿级参数大模型的工业化数据管道原型系统，主导预训练数据（多语言/多模态）的数据质量治理体系设计，开发数据去噪、清洗、打标、去偏和毒性检测算法 2. 构建大模型多维度评估体系：开发面向领域任务的细粒度评估框架，设计…

语音小管家

原创a year ago

多模态沉浸式空间戏剧生成旨在基于多模态提示，创建具有戏剧韵律的连续多说话人双耳语音，在增强现实（AR）、虚拟现实（VR）等领域具有潜在应用。这项任务需要基于多模态输入同时对空间信息和戏剧韵律进行建模，且数据收集成本较高。 为此，浙江大学的学…

语音小管家

转载a year ago

总部位于加利福尼亚州旧金山的语音人工智能平台 Deepgram 宣布推出 Deepgram Saga，这是一款专为开发者设计的语音操作系统，旨在消除现代开发中频繁切换工具、寻找信息的「隐形税」，让开发者能够专注于构建，而非琐碎的操作。Sag…

语音小管家

转载a year ago

当语音大语言模型（SLLM）在英语等核心语言中流畅执行语音指令时，日语、法语等非核心语言场景却因语音 - 文本配对的指令跟随数据稀缺与多语言推理能力局限，面临响应质量显著下降的挑战。传统跨语言方法多聚焦文本领域，而 SLLM 以语音信号为输…

语音小管家

转载a year ago

近年来，文本转语音（TTS）技术在影视配音、虚拟助手等领域需求激增，而高自然度和控制能力成为关键。而能将 TTS 技术做到“影视级”水准的，即使在全球范围内也是屈指可数。 但近日，B站语音团队推出了全新一代语音合成模型：IndexTTS2，…