IEEE SPL丨Distil-DCCRN：利用特征知识蒸馏技术的小型DCCRN语音增强模型
DCCRN模型利用频谱复数特征实现了出色的语音增强性能。然而，该模型的参数量和计算复杂度高，难以直接在端侧设备部署。因此需要对模型进行优化，在不影响模型表现的同时，降低模型的参数量和计算复杂度。 最近，西北工业大学音频语音与语言处理研究组（…
37 0 0
声浪
![语音/音频处理学术速递[8.13]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-15/1823981428631801856.jpg)
阿里发布开源语音交互大模型 Qwen2-Audio
近日，阿里发布了Qwen2-Audio模型。Qwen2-Audio 是一个大型的音频语言模型系列，它能够接受音频信号输入，进行音频分析或直接文本响应，支持语音聊天和音频分析两种交互模式，并且提供了预训练模型Qwen2-Audio-7B和聊天…
39 0 0
吴恩达教授开新课了！ 亲自授课，LLM当「助教」
吴恩达教授开新课了，还是亲自授课！ 课程链接：https://www.deeplearning.ai/short-courses/ai-python-for-beginners/ 近期，人工智能著名学者、斯坦福大学教授吴恩达在社交平台 X…
18 0 0
![语音/音频处理学术速递[8.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-13/1823250879030104064.jpg)
INTERSPEECH2024 | AS-70: 用于语音识别和口吃事件检测的中文口吃语音数据集
过去二十年来，语音技术取得了突飞猛进的发展，特别是在自动语音识别（ASR）任务中，针对流利语音的识别已经达到了接近人类的水平。然而，当这些模型应用于非典型语音（如口吃）时，其效果却显著下降。这种局限性表明，当前的ASR系统在处理多样、复杂的…
25 0 0
![语音/音频处理学术速递[8.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-13/1823250479786889216.jpg)
紧凑但强大：Intel N-DNS Challenge 冠军方案解析
微软举办的DNS Challenge比赛做语音的朋友们或多或少有所了解，但是这个比赛更多的注重语音增强的效果。然而在实际场景下，很多语音增强的算法要放在低算力的端侧运行，这就对模型的参数量提出了要求。受到DNS Challenge比赛的启发…
25 0 0
豆包大模型语音、视觉能力升级！文生图更懂“国风”，TTS“拿捏”情绪
2024 火山引擎 AI 创新巡展・成都站于近日正式举办。活动现场发布了豆包・图生图模型，以及升级版的豆包・文生图模型、豆包・语音合成模型、豆包・声音复刻模型。 本文介绍了升级版文生图、语音合成、声音复刻模型特征，包括图像生成方面更深刻理解…
29 0 0
![语音/音频处理学术速递[8.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-13/1823250050499874816.jpg)