声浪

语音小管家

转载2 years ago

吉利汽车发布最新HAM-TTS大模型，在发音准确性、自然度和说话人相似度上对比之前SOTA成果VALL-E，有了大幅提升。 论文地址：https://arxiv.org/abs/2403.05989 吉利自研语音大模型HAM-TTS的全称是…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音38篇，eess.AS音频处理39篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

来源丨新智元 前脚有高通提收购，后脚就来了救星？外媒称，风投公司阿波罗全球管理（APO），计划向英特尔投资50亿美金。全公司押注18A制程，最后救命稻草能抓住吗？ 英特尔的救星来了？ 几天前，高通收购英特尔的消息，成为整个半导体行业今年来掀…

语音小管家

转载2 years ago

来源丨机器之心 LLaMA-Omni能够接收语音指令，同步生成文本和语音响应，响应延迟低至 226ms，低于 GPT-4o 的平均音频响应延迟 320ms。 论文标题：LLaMA-Omni: Seamless Speech Interact…

西工大音频语音与语言处理研究组

原创2 years ago

论文：U-Style: Cascading U-nets with Multi-level Speaker and Style Modeling for Zero-Shot Voice Cloning 作者：李涛，王智超，朱新发，从坚，田乔…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音19篇，eess.AS音频处理19篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

原创2 years ago

今天，据《华尔街日报》、CNBC等多家美媒报道，高通已就收购事宜接洽英特尔。这将是近年来规模最大、影响最深远的交易之一。 此前外媒传出高通拟收购英特尔PC业务，但收购整家公司，对于半导体领域来说，倒回几年绝对是耸人听闻的离谱事件。 高通目前…

语音小管家

转载2 years ago

近年来，多模态模型（Multimodal Models）在深度学习领域取得了显著进展。这类模型能够同时处理和整合来自不同模态（如文本、图像、音频、视频等）的数据，提供更为全面的理解和应用能力。CLIP、Grounding DINO、SAM等…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音25篇，eess.AS音频处理25篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

分享上交大听觉认知与计算声学实验室6篇被SLT 2024收录的论文，论文方向涵盖目标语音提取，声音异常检测，多语种语音识别和语音增强等。 1、DISCRIMINATIVE DIFFUSION MODEL FOR TARGET SPEECH…