声浪

语音小管家

转载4 years ago

文章来源于子鱼说声学，作者郭智涵 想象一下，当我们走在路上时，听到了头顶的鸟儿在树梢间的叫声，即使无法透过浓密的树叶看见它，也可以大致知道鸟儿的距离。此时身后传来由远到近自行车铃铛声，我们并不需要回过头去看，便为它让开了道路。这些现象都说明…

语音小管家

转载4 years ago

链接地址：https://github.com/suno-ai/bark

新一代Kaldi

原创4 years ago

每当我解雇一个语言学家，语音识别的性能就会提升。 开始之前，咱们先来回顾一下语音识别常用的建模单元都有哪些，Kaldi 时代，或者说前端到端时代，一般使用 phone 来建模，mono-phone，bi-phone，tri-phone 各种…

语音小管家

转载4 years ago

AIGC的各大门派是谁？典型技术都有什么？ AIGC为什么在绘画领域先破圈？ChatGPT的有哪些局限性？ 为何科技企业争相推出大模型？ 人类的创新能力会被AIGC取代吗…… 诸如此类的这些话题呈现爆发性增长，频频被科技圈热议。 与此同时，…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音2篇，eess.AS音频处理2篇。 cs.SD语音 【1】Decouple Non-parametric Knowledge Distillation For End-to-end Speech Translat…

阿里语音AI

原创4 years ago

近日，达摩院正式向公众开源工业级说话人识别通用模型CAM++，兼顾准确率和计算效率，训练labels类别达20万，每类含20～200条梅尔频谱特征。当前该模型已上线Modelscope魔搭社区，后续将陆续开源针对各场景优化的工业级模型。 模…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理6篇。 cs.SD语音 【1】CB-Conformer: Contextual biasing Conformer for biased word recognition标题：CB-C…

语音小管家

转载4 years ago

文章来源于AINLPer，作者ShuYini 引言 相比ChatGPT，GPT-4展示出了非凡的多模态能力，它可以利用手写文本生成网站并且还能够识别出图片中的幽默元素。这些优秀的能力在以前的视觉语言模型中很难实现。对于GPT-4惊人的多模态…

语音小管家

转载4 years ago

文章来源于DataLearner，作者DataLearner HuggingFace是目前最火热的AI社区，很多人称之为AI模型的GitHub。包括Google、微软等很多知名企业都在上面发布模型。 HuggingFace简介：https:…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 cs.SD语音 【1】A Scalable Framework for Automatic Playlist Continuation on Music Streaming…