声浪

原创3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 cs.SD语音【1】 Style Description based Text-to-Speech with Conditional Prosodic Layer Norm…

63 0 0

原创3 years ago

DeepMind最新研究发现，只要模型设计上没有缺陷，决定模型性能的核心可能是训练计算量和数据。在相同计算量下，卷积神经网络模型和视觉Transformers模型的性能居然能旗鼓相当！模型性能的高低，到底是模型结构决定的，还是训练模型的算…

92 0 0

转载3 years ago

招聘岗位高级音频算法工程师职位描述 1.负责耳机、助听器等产品的音频算法预研，如ANC、VAD、啸叫抑制、麦克风阵列等。 2.根据实际产品项目要求，完成算法适配优化、移植落地。 3.跟踪业界前沿技术，不断探索算法能力边界和创新点，提高产…

65 0 0

转载3 years ago

招聘岗位音乐大模型算法实习生职位描述 1.负责音乐理解、音乐生成相关大模型的算法研究，包括（但不限于）将各种音乐理解及生成任务如音乐类型分类、音乐分离、自动音乐转录、歌词转录、音乐信息（如作曲家/歌曲名/音乐描述等）提取、歌词生成、歌词…

74 0 0

原创3 years ago

谷歌研究院和DeepMind研究人员推出最新PaLI-3视觉语言模型（VLM），模型以更小、更快、更强的特点获得大部分研究人员青睐，在诸多任务中达到SOTA。最近，堪称改变游戏规则的视觉语言模型（VLM）PaLI-3问世，引得大量科研人员…

78 0 0

原创3 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理11篇。 cs.SD语音【1】 Towards Matching Phones and Speech Representations标题：走向匹配音素和语音表示

59 0 0

转载3 years ago

最近小米k2社区发布了vits语音合成模型，作者基于k2社区csukuangfj的onnx模型导出代码，实现了onnx模型的流式推理代码，大大提升了VITS语音合成的响应速度，50个字的首包延迟在400ms左右。项目地址 https://…

213 0 0

原创3 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理11篇。 cs.SD语音【1】 ArTST: Arabic Text and Speech Transformer标题：Artst：阿拉伯语文本和语音转换器

88 0 0

转载3 years ago

10月21日，2023声纹识别研究与应用学术研讨会在天津海河假日酒店成功举办，本次会议为后疫情时代的第一次线下声纹识别研究与应用学术研讨会。会议由天津大学和中国科学院声学研究所共同主办，天津大学认知计算与应用天津市重点实验室和中国科学院声学…

70 0 0

原创3 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理9篇。 cs.SD语音【1】 CDSD: Chinese Dysarthria Speech Database标题：CDSD：汉语构音障碍语音库链接

116 0 0