声浪

语音小管家

转载a year ago

来源丨机器之心 程爽，上海人工智能实验室和浙江大学联培博士生一年级；卞一涵，美国马里兰大学硕士生二年级，上海人工智能实验室实习生；刘大卫，上海人工智能实验室和上海交通大学联培博士生一年级；齐弼卿，上海人工智能实验室研究员（指导老师） 大模型…

语音小管家

转载a year ago

大语言模型（LLM）的爆发式发展彻底改变了人工智能的学习与应用范式。如今，这股变革力量又延伸到了语音领域，由西北工业大学、南京大学和WeNet社区研发的WEST（WE Speech Toolkit）正式开源，它以LLM为核心，打通语音识别、…

语音小管家

转载a year ago

在AI语音正火热的当下，ElevenLabs的联合创始人兼CEOMati Staniszewski却抛出一个冷静的判断——他认为，AI模型最终会被“商品化”。 他在周二的TechCrunch Disrupt 2025大会上说，公司现在仍在专…

语音小管家

原创a year ago

近日，Soul App AI团队（Soul AI Lab）与西北工业大学ASLP@NPU团队和上海交通大学X-LANCE Lab正式开源语音播客生成模型SoulX-Podcast。该模型是一款专为多人、多轮对话场景打造的语音生成模型，支持中…

语音小管家

转载a year ago

⏩什么是掩蔽效应？ 人们在安静环境中听一个声音，即使这个声音的声压级很低也可以听到，说明人耳对这个声音的听阈可以很低。但是，在倾听一个声音的同时，如果存在另一个声音（掩蔽声），就会影响到人耳对所听声音的听闻效果，这时对所听声音的听阈就要提高…

语音小管家

转载a year ago

音乐结构分析（MSA）作为能够识别音乐作品中具有功能性意义的段落（如前奏、主歌、副歌）并精准检测其边界的关键技术，正在成为音乐理解和可控音乐生成的重要基础。然而，现有的MSA方法通常会因训练数据的限制、标注不一致、依赖复杂预处理流程等原因而…

语音小管家

转载a year ago

近年来，单步扩散模型因其出色的生成性能和极高的推理效率，在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏，最小化学生模型与教师扩散模型之间的分布差异。然而，现有的方法主要集中在两条平行的理论技术路线上： 基于…