52KB 的奇迹！NovaSR 开源：16kHz 秒变 48kHz，快出天际的音频超分模型！
就在最近，一个名为NovaSR的开源项目在开源社区里炸开了锅。一款仅有 52 KB 的音频超分辨率模型。 NovaSR可以把电话音质（16kHz）瞬间变成录音室级的 Hi-Fi 音质（48kHz），而且速度快到单张 A100 能跑出 360…
21 0 0
声浪
【交我学-20】基于流模型的语音增强
大家好，欢迎来到「AudioCC交我学」专栏！ 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术…
18 0 0
语音增强（语音消噪）现在已经发展到什么程度了？
本文由知乎作者Oliver投稿，采用第一人称视角撰写 语音增强技术已经发展了好多年了，但是目前各说各的好或者是技术保密。那么现在语音增强技术到底发展到一种什么程度了呢？未来的趋向又在什么地方？ 2022年入职后，在mentor的指导下我开始…
36 0 0
Interspeech2025丨FlowSE — 基于流匹配的高效语音增强
在语音通信与人机交互场景中，噪声始终是语音质量和识别准确率的最大干扰之一。语音增强（Speech Enhancement, SE）技术旨在从嘈杂的语音中恢复出清晰、自然的干净语音，在语音通话、助听器、语音识别前端等应用中发挥着至关重要的作用…
22 0 0
大象声科 | 招聘音频算法工程师（深圳）
大象声科（深圳）科技有限公司，简称Elevoc，于2017年在深圳成立，是全球领先的机器听觉人工智能公司之一，致力于提供尖端的智能语音增强和语音交互解决方案，打造更自然的人机交互体验。大象声科云集了一批来自世界顶尖机器听觉科学家和经验丰富的…
19 0 0
恒玄科技 | 招聘音频算法工程师（深圳）
恒玄科技主要从事智能音频SoC芯片的研发，设计与销售，为客户提供AIoT场景下具有语音交互能力的边缘智能主控平台芯片，产品广泛应用于智能蓝牙耳机，Type-C耳机，智能音箱等智能终端产品。恒玄科技致力于成为全球最具创新力的芯片设计公司，以前…
13 0 0
LLaSE-G1：激发语言模型在增强任务上的泛化能力
语音增强（Speech Enhancement）技术旨在提升语音的可懂度和质量，在实时语音通信、音质修复等诸多场景中具有举足轻重的作用。近来，以语言模型（Language Model）为基础的生成式（Generative）语音增强技术在语音…
10 0 0
ICASSP2025丨ZipEnhancer高效双路上下采样压缩变压器语音增强
语音增强（Speech Enhancement）任务的目标是改善在复杂声学环境中捕获的自然语音信号，滤除噪音，提取出纯净的目标语音，有效提升语音的可听性和可理解性，同时也为下游语音任务提供经过高效降噪处理的、音质清晰的音频结果。 Deep…
16 0 0
ICLR2025 | GenSE: 基于层次化建模的生成式语音增强
最近，西工大音频语音与语言处理研究组（ASLP@NPU）与南洋理工大学（NTU）合作的论文 “GenSE: Generative Speech Enhancement via Language Models using Hierarchic…
11 0 0
大象声科 | 招聘音频前端算法工程师（深圳）
大象声科（深圳）科技有限公司，简称Elevoc，于2017年在深圳成立，是全球领先的机器听觉人工智能公司之一，致力于提供尖端的智能语音增强和语音交互解决方案，打造更自然的人机交互体验。大象声科云集了一批来自世界顶尖机器听觉科学家和经验丰富的…
12 0 0