元语音研究网

Speech

[浏览需要 0 积分] 发布于9小时前

PRUNED CTC FOR MEMORY-EFFICIENT LARGEVOCABULARY ASR TRAINING
论文链接

赞

评论

浏览 3

语音
Speech

[浏览需要 0 积分] 发布于7天前

AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing
论文链接

赞

评论

浏览 37

语音
Speech

[浏览需要 0 积分] 发布于9天前

DuplexOmni: Real-Time Listening, Seeing, Thinking, and Speaking for Full-Duplex Interaction
论文链接

赞

评论

浏览 48

语音
Speech

[浏览需要 0 积分] 发布于12天前

Qwen3.8-Omni: Towards Native Omni-Modal Agents
论文链接

赞

评论

浏览 43

语音
Speech

[浏览需要 0 积分] 发布于21天前

VIBEVOICE-ASR-STREAMING Technical Report
论文链接代码链接

赞

评论

浏览 80

语音
Speech

[浏览需要 0 积分] 发布于21天前

RETAIL: Towards Real-world Travel Planning for Large Language Models
论文链接

赞

评论

浏览 57

语音
Speech

[浏览需要 0 积分] 发布于23天前

DDPM与DDIM理论推导
推理链接

赞

评论

浏览 83

语音
Speech

[浏览需要 0 积分] 发布于23天前

ESPnet3: Infrastructure for Scalable Speech and Audio Research in the Foundation Model Era
论文链接

赞

评论

浏览 74

语音
元语音

[浏览需要 0 积分] 发布于2026-09-20 14:48:55

Context Projector: Complementary Keyword and Dialogue Context Embeddings for LLM-based ASR
论文链接

赞

评论

浏览 102

语音
元语音

[浏览需要 0 积分] 发布于2026-09-10 20:25:34

Qwen3-TTS Technical Report
论文链接代码链接

赞

评论

浏览 109

语音
元语音

[浏览需要 0 积分] 发布于2026-09-01 21:04:25

CFG-Zero: Improved Classifier-Free Guidance for Flow Matching Models
论文链接

赞

评论

浏览 155

语音
元语音

[浏览需要 0 积分] 发布于2026-08-31 10:02:55

VoxCPM2 Technical Report
论文链接

赞

评论

浏览 131

语音
元语音

[浏览需要 0 积分] 发布于2026-08-31 10:01:36

VoxCPM: Tokenizer-Free TTS for Context-Aware Speech Generation and True-to-Life Voice Cloning
论文链接

赞

评论

浏览 131

语音
元语音

[浏览需要 0 积分] 发布于2026-08-27 17:22:56

OmniVoice: Towards Omnilingual Zero-Shot Text-to-Speech with Diffusion Language Models
论文链接代码链接

赞

评论

浏览 128

语音
元语音

[浏览需要 0 积分] 发布于2026-08-27 09:56:51

DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation
论文链接

赞

评论

浏览 127

语音
元语音

[浏览需要 0 积分] 发布于2026-08-04 10:11:00

Qwen-Audio-3.0-TTS: Freely Controllable and Highly Robust Speech Synthesis with Multi-Stage Training Paradigm
论文链接 Demo 链接

赞

评论

浏览 198

语音
元语音

[浏览需要 0 积分] 发布于2026-07-17 13:48:50

BASE TTS: Lessons from building a billion-parameter Text-to-Speech model on 100K hours of data
论文链接

赞

评论

浏览 188

语音
元语音

[浏览需要 0 积分] 发布于2026-07-07 19:48:38

Improving Large-Scale Weakly Supervised ASR by Filtering and Selection
论文链接

赞

评论

浏览 204

语音
元语音

[浏览需要 0 积分] 发布于2026-07-07 17:14:47

Phoneme-First Prediction for LLM-Based Speech Recognition
论文链接

赞

评论

浏览 231

语音
元语音

[浏览需要 0 积分] 发布于2026-06-23 16:41:43

ZipVoice: Fast and High-Quality Zero-Shot Text-to-Speech with Flow Matching
论文链接训练代码推理代码 Sherpa-onnx 部署

赞

评论

浏览 221

语音

元语音
360 帖子 • 51 评论

2723
Speech
174 帖子 • 24 评论

1387
AI柠檬
14 帖子 • 16 评论

528
江南一点红
1 帖子 • 1 评论

46
懵
懵懵懂懂的新手
1 帖子 • 17 评论

39
M
Mephisto
0 帖子 • 4 评论

28
後藤ひとり
0 帖子 • 0 评论

23
心行
2 帖子 • 0 评论

20
出东巷
0 帖子 • 0 评论

15
betciso
0 帖子 • 1 评论

12