语音生成的「智能涌现」：10万小时数据训练，亚马逊祭出10亿参数BASE TTS
伴随着生成式深度学习模型的飞速发展，自然语言处理（NLP）和计算机视觉（CV）已经经历了根本性的转变，从有监督训练的专门模型，转变为只需有限的明确指令就能完成各种任务的通用模型。 在语音处理和文本到语音（TTS）领域，这样的转变也正在发生，…
60 0 0
声浪
![语音/音频处理学术速递[2.14]](https://api.speechhome.com/Resources/Thumb/2024-02-20/1759777707706683392.jpg)
WhisperFusion：具有超低延迟无缝对话功能的AI系统
WhisperFusion 基于 WhisperLive 和 WhisperSpeech 的功能而构建，在实时语音到文本管道之上集成了大型语言模型 Mistral (LLM)。 LLM 和 Whisper 都经过优化，可作为 TensorR…
36 0 0
ICASSP2024 | SponTTS: 面向自发风格的语音合成与风格迁移
自发语音合成（Spontaneous speech synthesis）就像ChatGPT的语音合成效果一样，旨在模仿人类自然说话的方式，包括讲话中出现的不自觉停顿、拖音等自发现象，以及更加多变的语气、语调、语速和节奏，甚至包括一些非语言内…
51 0 0
TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！
2023年被大家称为人工智能元年，在GPT技术不断爆火的背景下，人工智能技术也在不断的发展和演化。各种AI工具也层出不穷，其中 语音克隆技术 也是尤为引人瞩目的产品之一。 而OpenVoice作为一款强大的多语言即时语音克隆AI工具，可以为…
27 0 0
![语音/音频处理学术速递[2.5]](https://api.speechhome.com/Resources/Thumb/2024-02-19/1759410154102722560.jpg)
![语音/音频处理学术速递[2.2]](https://api.speechhome.com/Resources/Thumb/2024-02-19/1759408789251035136.jpg)
AI语音合成工具-Lalamu Studio
近期，Lalamu Studio开启了beta版本测试：Lalamu Studio。该工具整合了TTS和lip sync功能，可以让任意视频中的人物开口说话，并精确模拟口型。 例如，选择一段视频素材，添加由Ai合成的语音，即可完成实时播报和…
85 0 0
![语音/音频处理学术速递[2.1]](https://api.speechhome.com/Resources/Thumb/2024-02-02/1753292384659181568.jpg)