![语音/音频处理学术速递[11.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-06/1854080086559559680.jpg)
声浪
自回归量化连续语音合成，潜在扩散模型；多模态音频理解基准
语音合成与音频理解：自回归量化连续语音合成，潜在扩散模型；多模态音频理解基准 Continuous Speech Synthesis using per-token Latent Diffusion 2024-10-21｜IBM Resea…
33 0 0
微软清华改进Transformer：用降噪耳机原理升级注意力，一作在线答疑
来源丨量子位 Transformer自问世后就大放异彩，但有个小毛病一直没解决：总爱把注意力放在不相关的内容上，也就是信噪比低。微软亚研院、清华团队提出全新改进版 Differential Transformer，专治这个老毛病，引起热议。…
38 0 0
![语音/音频处理学术速递[11.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-04/1853350540562534400.jpg)
Meta发布全新后训练方式CGPO，编程水平直升5%
来源丨新智元 CGPO框架通过混合评审机制和约束优化器，有效解决了RLHF在多任务学习中的奖励欺骗和多目标优化问题，显著提升了语言模型在多任务环境中的表现。CGPO的设计为未来多任务学习提供了新的优化路径，有望进一步提升大型语言模型的效能和…
36 0 0
大规模、动态「语音增强/分离」新基准！清华发布移动音源仿真平台SonicSim，含950+小时训练数据
来源丨新智元 清华大学推出的SonicSim平台和SonicSet数据集针对动态声源的语音处理研究提供了强有力的工具和数据支持，有效降低了数据采集成本，实验证明这些工具能有效提升模型在真实环境中的性能。 论文地址：https://arxiv…
18 0 0
![语音/音频处理学术速递[11.1]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-01/1852269928288227328.jpg)
![语音/音频处理学术速递[11.1]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-04/1853350335029055488.jpg)
SiliconCloud上线Fish Audio：一站式开发端到端实时语音应用
此前，硅基流动SiliconCloud上线了语音识别模型SenseVoice-Small（可免费使用），让开发者可以通过API（兼容OpenAI的API协议）快速接入到语音转文字类应用场景。 在获得Fish Audio商业授权后，Silic…
54 0 0
![语音/音频处理学术速递[10.31]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-01/1852269680883011584.jpg)