面向听觉智能与物理AI的
人机交互开发者社区

每日语音速递

原创a month ago

今日论文合集：CS.SD语音与音频 | 共 4 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. EXAM$^2$: $\under…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 11 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Multi-Task Learn…

语音小管家

原创2 months ago

你有没有过这种体验：跟语音助手说话，刚停半秒，它就抢着回——其实你只是喘了口气； 或者你已经说完了，它还在干等，场面一度很尴尬。 这些「接话时机」问题，本质不是 ASR 认不清字，而是系统不会判断： 用户是说完了，还是话还没说完？ 这句「嗯…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 3 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Towards Quantifyi…

语音小管家

原创2 months ago

AudioCC交我学 今天，我们探讨一下如何让生成的声音准确地“落”在正确的方位。 过去两年，文本生成音频已经相当成熟，但绝大多数模型交付的仍是单通道音频——它解决了“发出什么声音”，却回避了“声音从哪里来”。而在 VR/AR、具身智能、影…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 5 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Geometric Iterati…

语音小管家

转载2 months ago

来源丨RTE开发者社区、Data接化发 Cartesia 发布 Sonic-3.6 TTS 模型，重点提升 44 种语言下的语音自然度，并称这是其目前最逼真的 TTS 版本。 相比三个月前发布的 Sonic-3.5，新版本根据开发团队反馈进…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 6 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. A Multiplication-…

语音小管家

转载2 months ago

小红书 FireRedTeam 开源多语言 TTS 模型 FireRedTTS3，基于语义增强的连续语音表示进行语音生成。模型包含 Base 和 Instruct 两个版本：Base 支持 24 种语言、21 种中文方言的 Zero-sho…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 11 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Adding Voice Clo…