INTERSPEECH 2022｜面向有声读物的跨说话人语音风格迁移
本文由清华大学与香港中文大学合作，面向电子有声读物的自动智能生成，提出了一种跨说话人的语音风格迁移方法。该方法可以在目标说话人缺乏特定朗读风格数据的真实场景下，通过灵活组合音色和风格表征，将朗读风格迁移至任意目标说话人，并最终合成出整体风格…
87 0 0
声浪
昆仑芯助力vivo语音识别效果与性能提升，携手共建wenet开源生态
语音识别是AI领域的一项重要基础服务，同样也是vivo AI体系中举足轻重的能力，是Jovi输入法、Jovi语音助手等应用的基石。打造高准确率、高性能的语音识别引擎，才能给vivo亿级的语音用户带来良好的体验。基于wenet端到端语音识别工…
380 0 0
微软亚洲研究院 | 招聘语音合成与语音音频处理研究实习生（北京）
微软亚洲研究院 微软亚洲研究院机器学习组从理论、算法、应用等不同层面推动机器学习的前沿。在过去的十几年间，发表了大量被高度引用的论文（例如，梯度提升决策树LightGBM, 对偶学习Dual Learning, 预训练模型MASS, 快速语…
165 0 0
![语音/音频处理学术速递[12.2]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2022-12-05/1599603160207462400.jpg)
语音/音频处理学术速递[12.2]
今日论文合集：cs.SD语音4篇，eess.AS音频处理6篇。 cs.SD语音 【1】MMSpeech: Multi-modal Multi-task Encoder-Decoder Pre-training for Speech Reco…
93 0 0
![语音/音频处理学术速递[12.1]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2022-12-02/1598508643848949760.jpg)
语音/音频处理学术速递[12.1]
今日论文合集：cs.SD语音10篇，eess.AS音频处理10篇。 cs.SD语音 【1】 Topological Data Analysis for Speech Processing 标题：语音处理中的拓扑数据分析 链接：https:/…
161 0 0
如何使用ModelScope魔搭开源代码训练一款语音合成模型
从模型体验到开发训练，本文将演示如何通过modelscope魔搭体验达摩院预训练模型，并手把手演示定制一款语音合成模型的训练过程。 目前达摩院语音实验室在ModelScope魔搭社区已经上线了13个语音合成模型，其中男女声发音人模型各4个，…
1090 0 0
论文推介：AdaVITS—基于VITS的小型化说话人自适应模型
文章来源于音频语音与语言处理研究组，作者宋堃 当前主流的实现小样本音色克隆的可靠方式是说话人自适应(speaker adaption)技术，该技术通常通过在预训练的多说话人文语转换 (TTS) 模型上使用少量的目标说话人数据进行微调而获得目…
239 0 0
论文分享 | MnTTS: 开源蒙古语语音合成数据集及其基线模型
文章来源于智能语音新青年，作者ttslr 本次分享内蒙古大学蒙古文信息处理重点实验室、蒙古文智能信息处理技术国家地方联合工程研究中心及语音理解与生成实验室 (S2LAB) （https://ttslr.github.io/index_S2G…
485 0 0
翱捷科技 | 招聘语音算法工程师（上海）
翱捷科技 翱捷科技股份有限公司（翱捷科技 ，688220.SH）成立于2015年4月，总部位于上海张江高科技园区，在北京、南京、深圳、合肥、大连、成都、西安、美国、意大利等地区建立了多个研发、支持中心。 翱捷科技是一家提供无线通信、超大规模…
98 0 0