自动音频字幕的图形注意事项
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
【ICASSP2024】基于记忆感知和Seq2Seq架构的说话人日志系统
...
通过扬声器提示调优和适配器表示的双参数高效微调【香港理工大学】
...
基于多通道时空特征和知识蒸馏的鲁棒目标说话人提取研究
...
SlideSpeech：大规模幻灯片丰富的语音-视频语料库
...
利用基于熵的融合以及基于剪枝的网络架构优化改进多模态情感识别
...
音频生成-王文武
...
【荐】已经开到第四期了，端到端语音识别好课，新增语音大模型内容
...
MISP 2023挑战中视听目标扬声器提取的XMUSPEECH系统
...
仅需40个Token，高质量重建音频
...
交互式AI中语音技术实践与探索-万玉龙
...
一种端到端脑电图通道选择的脑辅助语音增强方法
...
TDT-KWS：基于标记和持续时间转换器的快速精准关键词检测系统
...
【Wenet语音识别】功能架构和模型结构
...
感知难度的说话人识别数据增强
...
文本到音频的生成:技术和应用-刘豪赫(Haohe LIU)
...
ReFlow-TTS：一个用于高保真的文本到语音的校正流模型
...
Trimtail：语音识别延迟优化中的暴利美学
...
声音成分分析及其下游应用
...
利用元数据辅助音频生成估计未知异常的无监督异常声音检测
...
Sherpa:新一代 Kaldi 部署框架
...
【语音合成】Tacotron-2 的实现实战 试听
...
基于语音识别预训练的说话人识别方法
...
SponTTS：自发风格建模与迁移的文本到语音合成
...
基于语音噪声双流谱改善网络使用语音失真损失函数的鲁棒语音识别
...
ICASSP 2023 论文预讲会 第三期 清华大学人机语音交互实验室专场（THUHCSI）（下）
...
Daniel Povey|Zipformer:一种改进的语音识别编码器
...
基于前后端联合训练的鲁棒伪造语音检测系统
...
基于ControlVAE和扩散桥的语音合成可解释风格转换
...
通过声音事件检测增强音频描述中的时间关系
...
B站首个WeNet语音识别课程，WeNet核心团队亲授
...
ICASSP 2023 论文预讲会 第七期 西北工业大学音频语音与语言处理研究组（NPU-ASLP）专场（上）
...
多语言和代码转换语音识别的语言路由专家混合
...
用于声学信号内容理解的机器学习算法前瞻 -李圣辰 -西交利物浦大学
...
如何用开源工具实现一个完整的语音识别系统？
...
说话人识别模型的可解释性-王东
...
【ICASSP】加入预训练模型的半监督声音事件检测
...
音乐和音频数据的学习方法-Emmanouil-BENETOS
...
AI 视频生成 PixVerse V2.5
...
针对部分篡改音频的波形边界检测系统
...
圆桌：语音开源技术 张仕良 张彬彬 康魏