声浪

机器之心

转载3 years ago

伴随着生成式深度学习模型的飞速发展，自然语言处理（NLP）和计算机视觉（CV）已经经历了根本性的转变，从有监督训练的专门模型，转变为只需有限的明确指令就能完成各种任务的通用模型。 在语音处理和文本到语音（TTS）领域，这样的转变也正在发生，…

每日语音速递

原创3 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

语音小管家

转载3 years ago

WhisperFusion 基于 WhisperLive 和 WhisperSpeech 的功能而构建，在实时语音到文本管道之上集成了大型语言模型 Mistral (LLM)。 LLM 和 Whisper 都经过优化，可作为 TensorR…

西工大音频语音与语言处理研究组

原创3 years ago

自发语音合成（Spontaneous speech synthesis）就像ChatGPT的语音合成效果一样，旨在模仿人类自然说话的方式，包括讲话中出现的不自觉停顿、拖音等自发现象，以及更加多变的语气、语调、语速和节奏，甚至包括一些非语言内…

语音小管家

转载3 years ago

2023年被大家称为人工智能元年，在GPT技术不断爆火的背景下，人工智能技术也在不断的发展和演化。各种AI工具也层出不穷，其中 语音克隆技术 也是尤为引人瞩目的产品之一。 而OpenVoice作为一款强大的多语言即时语音克隆AI工具，可以为…

每日语音速递

转载3 years ago

今日论文合集：cs.SD语音16篇，eess.AS音频处理16篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

原创3 years ago

浩浩荡荡的AIGC潮流，叠加资本资金如火如荼地注入，过去一年里，AI赛道焕发了新生，再度登上了科技语境的浪潮之巅。 自从十一期间，由OpenAI引领的Whisper和自然对话语音合成发布后，国内多家公司都在加速研发语音合成大模型的落地，今天…

每日语音速递

转载3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理11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3 years ago

近期，Lalamu Studio开启了beta版本测试：Lalamu Studio。该工具整合了TTS和lip sync功能，可以让任意视频中的人物开口说话，并精确模拟口型。 例如，选择一段视频素材，添加由Ai合成的语音，即可完成实时播报和…

每日语音速递

转载3 years ago

今日论文合集：cs.SD语音12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