声浪

语音小管家

转载10 months ago

语音转换（Voice Conversion, VC）旨在在不改变语言内容的情况下，将源说话人的语音转换为目标说话人的语音，广泛应用于电影配音、虚拟人、语音聊天等场景。然而在真实应用场景中，VC 系统面临两大挑战。 环境噪声：用户录音往往嘈杂…

语音小管家

原创10 months ago

语音匿名化（Voice Anonymization）旨在在保留语义和情感信息的同时去除说话人的身份特征。现有基于深度学习的主流方法通常依赖显式说话人嵌入模型（Speaker Embedding Model）来提取和替换说话人特征，但这类方法…

语音小管家

转载10 months ago

声学回声消除（Acoustic Echo Cancellation, AEC） 作为语音通信系统的核心预处理模块，其核心任务是从麦克风采集信号中实时分离近端语音（near-end speech）与远端回声（far-end echo）。该技术…

语音小管家

转载10 months ago

标题：《RRPO: Robust Reward Policy Optimization for LLM-Based Emotional TTS》 链接：https://arxiv.org/pdf/2512.04552 作者单位：阿里通义实验…

语音小管家

转载10 months ago

语音识别（ASR）作为高效转录语音的技术，在当今社会中扮演着越来越重要的角色。借助大语言模型的语音识别（LLM-ASR）性能出色，但通常会产生高昂的计算成本。探索LLM-ASR的高效训练策略以及扩展方法具有重要意义，以便获得给定计算成本（F…

语音小管家

转载10 months ago

最近 TTS 领域是真的越来越卷了，国内外各个互联网大厂轮番上阵。 阿里通义（Qwen）团队最近在开源界简直是“劳模”级别的存在，这边又悄悄上新了全新的Qwen3-TTS。 而且一出手就明显是冲着「自然度 + 多音色 + 多语言」这一代标准…

语音小管家

转载10 months ago

这篇论文主要想解决全双工口语对话系统（SDS）的核心难题——怎么让系统同时“听、说、思考”还不混乱，重点提出了一个“语义 VAD”当对话管理器（DM），用轻量级 LLM 搞定轮次切换，平衡了交互流畅度和计算效率。 原文链接：https://…