声浪

语音小管家

转载2 years ago

作为一个具有强大鲁棒性的大规模端到端多语言语音识别模型，Whisper在很多低资源和分布外的场景下，不需要经过任何微调就可以表现出不错的识别性能，然而Whisper使用了Transformer架构，编码器-解码器的结构限制了它在流式语音识别…

语音小管家

原创2 years ago

来自 Hugging Face 的 Vaibhav Srivastav 最近在推特上发布了一条令人振奋的突破：Speech to Speech语音交互系统，可以极大地提升了人与机器之间的沟通效率与体验。 GitHub 链接：https://…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理5篇。 本文经arXiv每日学术速递授权转载

语音小管家

转载2 years ago

论文地址：https://arxiv.org/abs/2407.13292 开源代码：https://github.com/thu-spmi/CAT/tree/master/egs/IuMien 摘 要 主流的自动语音识别（ASR，auto…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理5篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

零样本语音转换 (zero-shot voice conversion) 旨在保留语言内容的同时，将源说话人语音转换成任意目标说话人的语音。随着深度学习技术的引入，零样本语音转换技术取得了巨大的飞跃。但现有的零样本语音转换方法多在训练时进行…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理12篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

基于大模型的语音合成展现出零样本音色克隆的巨大潜力。在大规模数据和大模型的双重作用下，如今的零样本语音合成可以轻松实现未见音色的克隆。然而当前的工作侧重于音色的泛化上，忽略了韵律建模，这使得合成语音的自然度和表现力有限。 近期，西工大音频语…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音13篇，eess.AS音频处理18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

来源丨机器之心 Mamba 架构的大模型又一次向 Transformer 发起了挑战。 Mamba 架构模型这次终于要「站」起来了？自 2023 年 12 月首次推出以来，Mamba 便成为了 Transformer 的强有力竞争对手。 此…