声浪

原创3 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理10篇。 cs.SD语音【1】Improving Audio-Visual Speech Recognition by Lip-Subword Correlation Based V…

157 0 0

转载3 years ago

论文：VITS2: Improving Quality and Efficiency of Single-Stage Text-to-Speech with Adversarial Learning and Architecture Des…

87 0 0

原创3 years ago

以下文章来源于音频语音与语言处理研究组，作者王晴说话人识别（Speaker Identification, SID）是一个确定说话人身份的生物识别技术。在实际应用中，确保说话人识别系统的安全性是至关重要的。说话人识别系统通常面临各种攻击，…

111 0 0

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理8篇。 cs.SD语音【1】 DiffV2S: Diffusion-based Video-to-Speech Synthesis with Vision-guided Speake…

147 0 0

原创3 years ago

说话人日志（Speaker Diarization, SD）任务的目标是检测不同说话人的语音活动时间段，即回答“谁在什么时间说话了”这一问题。传统的说话人日志系统，往往基于聚类算法实现，一般包括成如下步骤：（1）使用语音端点检测将原始音频…

104 0 0

原创3 years ago

今日论文合集：cs.SD语音18篇，eess.AS音频处理19篇。 cs.SD语音【1】 DiffSED: Sound Event Detection with Denoising Diffusion标题：DiffSED

253 0 0

原创3 years ago

2023年6月6日的WWDC23大会，苹果官方推出了多年筹划的MR产品：Apple Vision Pro，并将于2024上半年在美国上市，随后扩展到更多市场。首先介绍三个类似但截然不同的技术，他们分别是VR、AR以及MR。虚拟现实（Virt…

93 1 0

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理4篇。 cs.SD语音【1】 Improving Joint Speech-Text Representations Without Alignment标题：改进无

80 0 0

原创3 years ago

7月初，FunASR社区发布了离线文件转写软件包，可以高精度、高效率、高并发的支持长音频离线文件转写，吸引了众开发者参与体验。应开发者需求，FunASR社区再次推出实时语音听写服务软件包，支持实时地进行语音转文字，同时也支持语音句尾用高精度…

277 0 0

原创3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理7篇。 cs.SD语音【1】 AudioLDM 2: Learning Holistic Audio Generation with Self-supervised Pretrain…

146 0 0