声浪

新智元

原创3 years ago

继各类输入端多模态大语言模型之后，新加坡国立大学华人团队近期开源了一种支持任意模态输入和任意模态输出的「大一统」多模态大模型，火爆AI社区。 来源丨新智元 继ChatGPT引爆2023年的AI潮后，各类开源LLM也陆续问世。 紧接着，为了更…

新智元

原创3 years ago

多模态大模型的战场上，已有人闻到风声。据外媒爆料，OpenAI的全新多模态模型Gobi似乎已在筹备中。谷歌和OpenAI的这场对决，似乎已是箭在弦上了。 来源丨新智元 随着今年秋天的临近，谷歌和OpenAI的多模态模型之战，也进入到白热化阶…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音47篇，eess.AS音频处理47篇。 cs.SD语音 【1】 Instruction-Following Speech Recognition标题：跟随指令的语音识别作者：Cheng-I Jeff Lai,Zh…

新智元

原创3 years ago

微软推出了一个全新预训练模型phi-1.5，共有13亿参数，能做QA问答、聊天和写代码等等。 模型越大，能力越强吗？ 然而，事实并非如此。 近日，微软研究人员推出了一个模型phi-1.5，仅有13亿参数。

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音50篇，eess.AS音频处理52篇。 cs.SD语音 【1】 Augmenting conformers with structured state space models for online speech…

语音小管家

原创3 years ago

论文链接：https://arxiv.org/abs/2308.16569 代码地址：https://github.com/thuhcsi/LightGrad 数据支持：针对BZNSYP和 LJSpeech 提供训练脚本

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音39篇，eess.AS音频处理38篇。 cs.SD语音 【1】 CiwaGAN: Articulatory information exchange标题：CiwaGan：发音信息交流

oldpan博客

原创3 years ago

分贝（deci-Bel,dB）是语音中一个比较常见的概念，经常听别人说声音多少dB，但是有时候会发现，dB一会儿是正的一会儿是负的，让人一头雾水，摸不着头脑，我们在震惊！这个声音25岁以上听不到这篇文章中讲过几种dB的区别，正的dB用分贝仪…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音16篇，eess.AS音频处理16篇。 cs.SD语音 【1】 Weakly-Supervised Multi-Task Learning for Audio-Visual Speaker Verificatio…

语音小管家

转载3 years ago

语境偏置（Contextual biasing）旨在将语境知识集成到语音识别（ASR）系统中，以提高在相关领域词汇（俗称“热词”）上的识别准确率。在许多ASR场景中，待识别语音中可能会包含训练数据中数量很少或完全没出现的短语，例如一些领域专…