最近，一项名为HelixNet的新研究显示，如果微调Mistral基础架构的三个任务特定模型，一个用于生成，一个用于批判，最后一个用于再生，则整个系统的生成性能显着提高。该研究使用合成数据来调整这些模型。HelixNet的...

研究人员开发了一种新技术，将声音信息和语言数据结合起来，纠正自动语音识别系统中的错误。该技术基于交叉模态融合，使用视觉和语言信息来提供更准确的识别结果。此外，该技术还可以提供更好的语音合成能力。研究人...

近日，一篇研究论文介绍了一个名为EmoPP的模型，该模型融入了情感线索，以实现更准确的韵律分词预测。作者强调了韵律分词在实现自然 sounding Text-to-Speech（文本到语音）过程中的重要性。韵律分词是一种基于语音...

科技公司Coqui近日公布了其新型文本转语音模型xtts的权重参数。该模型能够克隆语音参数，并能进行多语种的合成。此项技术的出现，无疑是对人工智能领域的一大贡献，预计将在语音合成、语音识别等多个应用领域发挥巨...

稳定性AI最近发布了一款名为“稳定音频”的产品，这是一款文本转音频生成器。它能让任何人通过简单的文本提示生成短音频剪辑。用户只需输入文本，然后通过其转换能力，就可以轻松转化为音频。这款新工具的推出，无疑将...

近日，一款出色的开源声音与音乐生成模型在GitHub上引发关注。这款模型运行速度快，能生成节拍、音效和基础对话。操作简单，且对提示样式具有较强的鲁棒性。该模型的出现，无疑为音频处理领域的发展注入了新的活力，...

尽管近年来自动化技术已经得到广泛应用，但每年仍有超过10亿个电话用于协调美国的货运业务。FleetWorks是一种新型的自动化系统，它利用语音合成技术、生成式AI以及与传统物流系统的集成，来自动处理这些电话。比如，...

再造(Recast)是一款颠覆性的新产品，它可以将您想阅读的文章转化为丰富的音频摘要。这款产品通过先进的语音合成技术，将文字信息转化为音频，使用户可以在忙碌的日程中随时随地获取信息。无论是在通勤路上，健身房中...