声浪

语音小管家

转载2 months ago

语音交互和语音通信依赖清晰、可分辨的输入信号。真实环境中的风扇、道路、键盘等背景噪声会掩盖语音，扬声器回放进入麦克风会形成回声，多人同时讲话则会造成语音混叠。降噪、声学回声消除（AEC）和语音分离分别处理这三类问题，直接影响语音识别、唤醒与…

语音小管家

原创2 months ago

印度语音 AI 团队 Rumik 开源 Rumik-OSS 1，一款约 3B 参数的多语言 TTS 模型，支持 22 种语言、原生文字输入及语言混说，并可通过文字描述控制音色的情绪、口音和语速，同时在句子中插入笑声、轻笑和叹气等非语言声音。…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 21 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音识别与关键词检测…

语音小管家

转载2 months ago

地址：https://tts.ampixa.com/sanoTTS/ 尼泊尔语音 AI 实验室 Ampixa Labs 开源超小型神经 TTS 模型家族 sanoTTS，模型规模覆盖 29.4 万至 227 万参数，包含 11 个声音、6…

语音小管家

原创2 months ago

AI与人的长期关系，需要在一次次交流中建立起来。 昨天聊过的内容，可以帮助AI理解今天的对话；今天的对话，也会成为它下一次回应的依据。 AGI Being所指向的，正是一种能够在长期相处中逐渐了解一个人的智能存在。 而在实时语音中，AI怎样…

语音小管家

转载2 months ago

在实时通信、语音交互和音频修复等场景中，语音超分辨率（Speech Super-Resolution, SR）技术扮演着重要角色——它能够从低采样率的语音信号中重建丢失的高频成分，从而提升语音的清晰度、自然度和可懂度。 然而，如何在极低延迟…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 13 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Motion-Omni: End…

语音小管家

转载2 months ago

在安静环境里，语音识别的问题很直接：用户说什么，模型就转录什么。但在会议、车内或咖啡厅里，用户的声音经常会和旁人交谈一起进入麦克风。 假设用户说“打开导航”，旁边的人同时说“我们明天几点出发”。一种常见错误不是把“导航”识别成别的词，而是把…

语音小管家

原创2 months ago

感谢各位作者对 NCMMSC 2026 的关注与支持，也感谢程序委员会、Meta Reviewer 和 Reviewer 为论文评审工作付出的时间与努力。第二十一届全国人机语音通讯学术会议（NCMMSC 2026）论文录用结果于2026年9…

语音小管家

转载2 months ago

EMNLP（Conference on Empirical Methods in Natural Language Processing）是自然语言处理领域顶级国际会议之一，其涉及领域包括但不限于机器翻译、文本生成、文本分类、信息抽取、问答…