声浪

语音小管家

原创3 months ago

GitHub：https://github.com/Eps-Acoustic-Revolution-Lab/EAR-Audio-Preview VS Code Marketplace：https://marketplace.visualst…

语音小管家

转载3 months ago

近年来，基于大语言模型（LLM）的文本转语音技术快速发展，基于大语言模型（LLM）的TTS方案已经在自然度、音色相似度和零样本音色克隆（zero-shot voice cloning）等方面取得显著进展。然而，随着语音助手、实时语音对话、虚…

语音小管家

转载3 months ago

今天，字节跳动发布能同时生成人声、音效和环境声的音频创作模型 Seed Audio 1.0。 其核心能力主要体现在以下方面： 多要素统一编排，支持精细的时间控制：一条 prompt 即可统一编排带有特定情绪的对白、关键音效和环境声，并可按时…

语音小管家

转载3 months ago

来源丨SV4Good AI Lab Sora、Kling 等文生音视频模型，能画出逼真画面、配上同步声音，但真的懂声学物理吗？吹空瓶子 vs 吹装水瓶子、敲木头 vs 敲金属，模型能生成符合物理规律的声音吗？ 本文介绍由香港科技大学（广州）…

语音小管家

原创3 months ago

近日，语音 AI 初创公司 Rime 宣布完成 2400 万美元 A 轮融资。本轮由知名风投机构 M13 领投，Twilio Ventures、Corazon Capital、Unusual Ventures 和 Cadenza Ventu…

语音小管家

原创3 months ago

让 AI 生成一段踩着音乐跳舞的视频，今天看起来已经不算难事。Sora 2、Veo 3 这些模型给出的画面光鲜、配乐悦耳，第一眼几乎挑不出毛病。可只要你把音量调大，盯着舞者的手脚看上十几秒，往往会冒出一种说不清的别扭：动作明明在动，却和鼓点…

语音小管家

转载3 months ago

随着大语言模型在文本、视觉等模态上的快速发展，“推理能力”已经成为衡量多模态模型智能水平的重要指标。通过 Chain-of-Thought（CoT）等技术，模型能够将复杂问题拆解为中间推理步骤，从而提升复杂任务上的表现。然而，相较于文本推理…

语音小管家

转载3 months ago

本期分享由国防科技大学、西安邮电大学、北京声学研究所联合编撰的英文学术专著 General Audio Signal Processing with Deep Learning，全书由 Springer 出版社正式出版。 本书以深度学习赋能…