论文题目：基于测小批量预测修正的自监督说话人验证作者列表：王钧旭，方志华，何亮单位：1.新疆大学计算机科学与技术学院   2.清华大学电子工程系  研究背景目前高性能的深度学习模型大多...

没眼看……“9.11和9.9哪个大”这样简单的问题，居然把主流大模型都难倒了？？强如GPT-4o，都坚定地认为9.11更大。来源丨量子位谷歌Gemini Advanced付费版，同样的口径。新王Claude 3.5 Sonnet...

ChatGPT 引爆LLM的同时scaling law席卷了整个机器学习行业，openai 、meta、google等公司在语音方向也分别推出了whisper、mms、audioPaLM多个语音大模型，在模型和数据规模上再次发挥scaling...

本次分享由内蒙古大学计算机学院S2Lab实验室（https://ttslr.github.io）刘瑞研究员团队投稿在 InterSpeech 2024的论文《FLUENTEDITOR: TEXT-BASED SPEECH EDITING BY CONSIDERINGACOUSTIC AND ...

随着GPT-4o、Moshi等模型的发布，语音交互大模型越来越受到大家的关注。如何全面的评价语音交互大模型的情商？最近港中大（深圳）联合字节跳动提出了SD-Eval，一个多维度评估语音对话理解和生成...

语音合成技术中的流式处理与非流式处理在多个方面存在显著差异，这些差异主要体现在处理方式、实时性、用户体验以及应用场景上。区别 流式处理非流式处理处理方式分段合成，即边输入边输出，对...

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】 A Preliminary Investigation on Flexible Singing Voice Synthesis Through  Decomposed Framework with Inferrable Feat...