声浪

语音小管家

转载a year ago

如何将一段连续的、信息密度不均的波形，变成一串 AI 能够理解和处理的“密码”？关键在于语音分词器——它就像是 AI 的“语音耳朵”，负责将声音信号转换成离散的符号序列。 然而，现有的语音分词器大多采用固定帧率，比如每秒生成 75 个 to…

语音小管家

转载a year ago

来源丨乐百一家 论文题目：《Speech-Aware Long Context Pruning and Integration for Contextualized ASR》 论文地址：https://arxiv.org/pdf/2511.…

语音小管家

转载a year ago

近日，人工智能领域的顶级国际会议——AAAI 2026（The 40th Annual AAAI Conference on Artificial Intelligence）正式公布了论文录用结果。IMU语音理解与生成实验室最新表现力视频配…

语音小管家

转载a year ago

零样本语音转换（Zero-shot VC）旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。日益丰富的应用场景对模型的流式推理能力提出迫切需求，亟需兼具快速、轻量与高保真特性的解决方案。然而现有流式方法依赖自回归（AR…

语音小管家

转载a year ago

来源丨乐百一家 咱们先聊聊华为这篇论文的核心目标——解决ASR（自动语音识别）里“专有名词老认错”的问题。比如像“ChatGPT”“长江白鲟”这种领域特定的命名实体，ASR（比如Whisper）在通用场景里挺准，但遇到这些词常转错，后续用这…

语音小管家

转载a year ago

语音大语言模型（Speech LLM）想落地，绕不开一个死结：既要快速理解语音里的语义，又要说出自然的音色，还得实时响应。比如智能音箱 “听不懂” 语音，车载助手 “说” 得像机器人，实时翻译延迟卡半秒。深究根源，全在 “语音 Token…

语音小管家

转载a year ago

来源丨机器之心 深夜，GPT-5 系列迎来大更新：上线 GPT-5.1 Instant 以及 GPT-5.1 Thinking 模型。 GPT-5.1 Instant：ChatGPT 最常用的模型，更温暖、更智能，也更善于遵循指令的模型。…