声浪

语音小管家

转载5 months ago

近日，清华大学自然语言处理与社会人文计算实验室与面壁智能、OpenBMB 开源社区正式发布ForgeTrain——全球首个完全由 AI 编写、零人类代码介入的生产级大模型训练框架。 它不是一个实验原型，而是一套可以直接投入生产、创造价值的“…

语音小管家

转载5 months ago

论文链接：https://arxiv.org/abs/2605.27258 项目主页：https://amapvoice.github.io/PilotTTS/ GitHub Repo：https://github

语音小管家

原创5 months ago

上海交通大学 X-LANCE 实验室与小米联合发布的 Dasheng AudioGen，不再独立建模语音、音乐、音效生成任务，而是让 AI 像“声音导演”一样理解真实世界音频中多种声音的复杂关系，并端到端生成自然、协调的混合音频场景。 在线…

语音小管家

转载5 months ago

来源丨清华大学自然语言处理与社会人文计算实验室 昨日，清华大学自然语言处理与社会人文计算实验室与面壁智能、OpenBMB 开源社区正式发布并开源最新一代端侧文本基座大模型——MiniCPM5-1B。 MiniCPM5-1B 再次刷新模型的智…

语音小管家

原创5 months ago

近年来，以Suno、Mureka、YuE、ACE-Step 等为代表的音乐生成模型迅速演进，其输入条件已经从单一的文本描述，扩展为文本、歌词与参考音频任意组合的多模态指令。然而，用来判断「单条生成结果到底好不好」的评测手段，却相对滞后：传统…

语音小管家

原创5 months ago

它听得懂情绪、辨得出身份、甚至能模仿你说话——但你敢信任它吗？ “你今天看起来有点累。”当你对手机说出这句话，它不仅能听懂字面意思，还能从你的语速、语调、呼吸节奏中判断——你是真的疲惫，还是在强撑？这不是科幻。这是大型音频语言模型正在实现的…

语音小管家

转载5 months ago

本期分享国防科技大学近期被IEEE Transactions on Audio, Speech and Language Processing接收的音频表示质量评估方面的工作。 Unifying Variables in Neural Sc…