AAAI2025 | StableVC: 风格可控的零样本语音转换
零样本语音转换 (Zero-Shot Voice Conversion) 旨在将源说话者的音色迁移到任意未见过的说话者，同时保留原始的语言内容不变。尽管近年来出现许多令人印象深刻的零样本语音转换技术，并在专业有声读物制作和娱乐短视频等领域有…
38 0 0
声浪
![语音/音频处理学术速递[12.20]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-24/1871397722301534208.jpg)
MMAudio：开源 AI 音频合成项目，自动给视频配音效
MMAudio 在给定视频和/或文本输入的情况下生成同步音频。我们的关键创新是多模式联合训练，它允许对广泛的视听和音频文本数据集进行训练。此外，同步模块将生成的音频与视频帧对齐。 项目地址：https://hkchengrex.com/MM…
29 0 0
李飞飞团队统一动作与语言，新的多模态模型不仅超懂指令，还能读懂隐含情绪
来源丨机器之心 人类的沟通交流充满了多模态的信息。为了与他人进行有效沟通，我们既使用言语语言，也使用身体语言，比如手势、面部表情、身体姿势和情绪表达。因此，为了理解和生成人类动作，理解这些多模态的行为至关重要，而且这一研究方向最近受到的关注…
32 0 0
【AI对话系统新挑战】FutureDial-RAG Challenge详解
介绍一个对话系统领域非常令人兴奋的新挑战 —FutureDial-RAG Challenge。这是一个依托 2024 IEEE SLT 国际会议，由中国移动研究院与清华大学联合组织的挑战赛，旨在推动检索增强生成（Retrieval Augm…
24 0 0
![语音/音频处理学术速递[12.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-20/1869938748859486208.jpg)
![语音/音频处理学术速递[12.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-20/1869938601039630336.jpg)
Codec-SUPERB 圆满落幕！ Moshi作者开讲！ 录影已上传！
12月3日，在澳门举办的IEEE SLT旗舰会议上成功举办了Codec-SUPERB Challenge。此次活动聚焦于Codec及语音语言模型（speech LM）领域学者之间的交流，特别邀请了五位领域内的专家学者（Moshi、Uniau…
16 0 0
![语音/音频处理学术速递[12.17]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-20/1869938430381789184.jpg)
开源更新｜语音生成大模型CosyVoice升级2.0版本
CosyVoice是阿里巴巴通义实验室语音团队于今年7月份开源的语音生成大模型，依托大模型技术，实现自然流畅的语音生成体验。与传统语音生成技术相比，CosyVoice具有韵律自然、音色逼真等特点。自开源以来，CosyVoice凭借高品质的多…
58 0 0