CVPR 2022 Oral | 开源9288个视频数据集，人大高瓴人工智能学院让AI学会了听音乐
中国人民大学高瓴人工智能学院 GeWu 实验室提出了一种动态视音场景下的空间 - 时序问答模型，让 AI 能像人一样观看和聆听乐器演奏，并对给定的视音问题做出跨模态时空推理。论文已被 CVPR2022 接收并选为 Oral Presenta…
274 0 0
声浪
论文推介：基于说话人自适应的单样本语音转换
语音转换（Voice Conversion, VC）旨在保留语言内容的同时，将源说话人语音转换成目标说话人的语音。语音转换在个性化语音合成、自动化影视配音、实时通信与娱乐等方面具有重要应用。随着深度学习技术的引入，语音转换技术取得了巨大的飞…
226 1 0
【开源】MagicData-RAMC :180小时中文对话式语音数据集正式发布
为了进一步丰富开源语音语料库，促进语音语言处理技术的发展，Magic Data联合中科院声学研究所、上海交通大学和西北工业大学，在Magichub开源社区正式开源180小时中文对话式语音数据集MagicData-RAMC。MagicData…
180 0 0
INTERSPEECH 2022 ｜快手在会议场景的客观语音质量评估挑战赛中斩获佳绩
近日，由全球语音技术顶尖会议INTERSPEECH 2022举办的会议场景下非侵入式客观语音质量评估挑战赛成绩正式公布，快手音视频技术团队在包括皮尔逊相关系数（pearson correlation coefficient，PCC）和均方根…
116 0 0
未来声学在可穿戴设备上的应用发展
随着科技的发展，越来越多的具有科技感的可穿戴设备以各种丰富多样的形态涌入人们视野，常见有智能手环、智能手表、VR眼镜等。按照穿戴部位的不同，主要可分为头颈类、上肢类、躯干类、下肢类四大类，不管是哪一类的智能穿戴设备都和声学技术紧密相关，那么…
298 0 0
图书推荐丨《汉语语音合成—原理和技术》
今天与大家分享一本介绍语音合成原理和针对汉语的各项合成技术及应用的书。 《汉语语音合成—原理和技术》 吕士楠 初敏 许洁萍 贺琳 著 本书介绍语音合成的原理和针对汉语
125 0 0
论文分享 | STYLER: 语音合成中的速度、可控性、表现力、鲁棒性一体化建模
本次分享韩国科学技术高级研究院 Korea Advanced Institute of Science and Technology (KAIST) 在InterSpeech2021发表的表现力语音合成论文《STYLER: Style Fa…
464 0 0
论文推介丨端到端语音合成中的跨说话人情感解耦与迁移
语音合成 (Text-to-speech, TTS) ，作为一种当前火热的AI生成任务，又称文语转换，是服务于语音交互、信息播报、有声朗读等任务的核心技术。在深度学习的推动下语音合成的自然度和音质得到了极大的提升。然而，人类语音不仅承载语言…
577 0 0
WebRTC AEC 流程解析
今天我们要将3A算法中最难的一个算法，也是WebRTC流程解析这个系列的最后一个算法，声学回声消除(Acoustic Echo Cancellation，AEC )。如果读者对WebRTC有一些了解的话，就知道WebRTC的AEC算法大致可…
447 0 0
MLPerf基准：阿里RISC-V处理器语音唤醒推理技术方案
以下文章来源于阿里语音AI，作者乔刚，鲁路，田彪 4月7日，AI基准测试 MLPerf™ Tiny Benchmark结果公布，阿里巴巴在嵌入式语音唤醒场景中提交的方案较好地平衡了推理任务中的准确率与延时，保证准确率90.7%情况下耗时最短…
125 0 0