清华和盛大东京团队提出Hive数据集：以数据质量取代规模，实现高效通用声音分离
基于查询的通用声音分离（USS）技术旨在通过文本、音频等多模态提示从混合信号中分离出目标声音。这项技术能够应用于沉浸式音频渲染、智能音频编辑和辅助听力设备等应用，实现对复杂声学环境中任意声源的精准提取。 尽管近年来方法架构不断演进，现有基于…
28 0 0
声浪
SongFormer：破解音乐"骨架密码"！超快超准标注神器+万首歌曲数据集重磅开源
音乐结构分析（MSA）作为能够识别音乐作品中具有功能性意义的段落（如前奏、主歌、副歌）并精准检测其边界的关键技术，正在成为音乐理解和可控音乐生成的重要基础。然而，现有的MSA方法通常会因训练数据的限制、标注不一致、依赖复杂预处理流程等原因而…
13 0 0
ACM Multimedia 2025 | 具有人格与情感特征的多模态欺诈数据集
题目：MDPE: A Multimodal Deception Dataset with Personality and Emotional Characteristics 作者：蔡聪，梁山，柳雪飞，朱康，温正棋，陶建华，解衡，崔济舟，马一…
12 0 0
Grok +Tesla驾驶认知革命：让汽车开始“思考”的那一刻 -- 从自动驾驶到自主思考
这可不是什么未来科技的遥远设想，而是Tesla车主 Kim 与其车载 AI Grok 之间的一次真实互动。在即将开始线上会议前，仅凭一句指令，Grok 就能理解用户意图、规划充电路径、选择充电设施，并自主执行整个补能过程。这种跨越“人—车—…
15 0 0
多情感语音编辑数据集ECD-TSE现已开放下载！
内蒙古大学S2LAB刘瑞教授联合美国约翰霍普金斯大学、美国卡耐基梅隆大学、香港中文大学（深圳）等单位推出了首个面向情感一致性建模的多情感语音编辑数据集——ECD-TSE。该数据集大约90小时，涉及到5种情感，涵盖11个主题内容，总计84,0…
12 0 0
AI眼镜——下一代交互与私人助理入口之战，高质量数据推动AI眼镜的智能跃迁
AI眼镜的爆发与挑战 AI眼镜正从科技概念迅速走向大众消费市场，其作为穿戴式智能设备的独特优势，使其有望成为每个独立个体的私人助理，重塑人机交互的入口。近期，随着AI大模型与增强现实技术的深度融合，智能眼镜市场迎来了新的发展机遇。Meta与…
15 0 0
最大的顶级数据集开源，HuggingFace排名第一，可创建15万亿Token
去年 12 月，生成式 AI 公司 Petuum 以及穆罕默德·本·扎耶德人工智能大学（MBZUAI）共同推出了一个用于创建开源大型语言模型的项目 LLM360，旨在提高开源代码的透明度，公开整个 LLM 训练过程、代码、数据和最佳实践，以…
9 0 0
NeurIPS 2024 | RealMAN：用于动态语音增强和定位的实录带注释麦克风阵列数据集
神经信息处理系统大会（Conference on Neural Information Processing Systems，NeurIPS）是中国计算机学会（CCF）推荐的人工智能领域 A 类学术会议，其 H5 指数高达 337，在 Go…
5 0 0
【开源】MagicData-RAMC :180小时中文对话式语音数据集正式发布
为了进一步丰富开源语音语料库，促进语音语言处理技术的发展，Magic Data联合中科院声学研究所、上海交通大学和西北工业大学，在Magichub开源社区正式开源180小时中文对话式语音数据集MagicData-RAMC。MagicData…
164 0 0