基于鼾声的睡眠体位识别（数据集）
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
多说话人交互场景中的目标说话人提取
...
Sherpa:新一代 Kaldi 部署框架
...
感知难度的说话人识别数据增强
...
基于序列胶囊网络的语音情感识别
...
用于语音情感识别的多尺度时空Transformer模型
...
基于数据增强的语音编辑改进ASR中的代码转换和命名实体识别
...
ModelScope语音开源现状和语音语义多模态大模型研究进展 张仕良
...
【音乐与音频处理】什么是音乐理解？卡耐基梅隆大学 罗杰·B·丹嫩贝格（Roger-B.DANNENBERG）
...
域移下异常声音检测的分层元数据信息约束自监督学习
...
交互式AI中语音技术实践与探索-万玉龙
...
VoxBlink:短视频上的大规模说话人验证数据集
...
AI算法赋能海天瑞声高质量数据生产-邵志明
...
【音乐与音频处理】在学术计算规模上再现大型预训练语音模型-Shinji-WATANABE
...
圆桌：音频与大模型（欧智坚 何磊 钱彦旻 易江燕 栾剑 张超）
...
RaD-Net：一种用于语音信号改善的修复与降噪网络
...
声纹识别工具ASV-Subtools-江涛
...
kaldi语音识别：数据准备与特征提取
...
MISP 2021挑战赛后的DKU音视频唤醒词识别系统：深度分析
...
声纹识别可视化研究分析
...
圆桌：语音开源技术 张仕良 张彬彬 康魏
...
Whisper终结者：Reverb ASR 语音识别和说话人分离方面新标杆 在前所未有的20万小时人工转录数据上进行训练 支持可定制的逐字转录
...
中文连续视觉语音识别挑战赛
...
AlSHELL-Turbo：多模态AI模型数据集
...
ModelScope魔搭社区及其开源的语音AI模型
...
基于多通道训练和交叉信息融合的低资源端到端口音识别
...
Kaldi安装与样例流程介绍
...
入门语音合成，听这个课真的可以哦
...
基于跨模态对齐的从语音到歌声转换-李瑞琪 火山语音
...
基于热词短语预测网络的热词语音识别
...
MARBLE:通用评价的音乐音频表现基准-马英浩(Yinghao-MA)
...
Discussion：生成音频AI和研究社区、艺术产业 、公众.mp4
...
【大模型】认知导向的视听觉大语言模型
...
在说话人验证中识别基于语音转换欺诈攻击的源说话人
...
标签噪声干扰下的说话人识别关键技术研究
...
跨语种的语音转换-武执正
...
高速高质量零资源歌声合成-雪巍
...
基于多目标渐进聚类的半监督说话人识别域自适应
...
基于多频带时频注意力的复调音乐旋律提取
...
通过NVIDIA NEMO 训练语音AI模型（下）
...
低资源小语种自动语音识别：清华THUEE队伍在OpenASR20的系统描述