语音 - 话题 | 元语音研究网

METASPEECH

[浏览需要 0 积分] 发布于2025-05-17 10:29:35

MMAR
🔊💬🎵 我们正式推出 MMAR——首个面向音频-语言模型的深度推理评测基准！1000 道高难度音频-问答对，覆盖声音、音乐、语音及其混合场景，挑战模型的多层次认知能力！ ✨ 核心亮点 ✅ 四层推理任务：从信号（Signal）感知（Perception）到语...

赞 2

评论

浏览 55

语音
METASPEECH

[浏览需要 0 积分] 发布于2025-03-20 14:03:55

开源儿童数据，南开大学
大家好，我们开源了一个 3-5 岁的儿童语音数据集，包括 397 名儿童的 41.25h 的语音，说话人覆盖了 22 个省市，目前已经在 huggingface 上开放下载了，论文链接：https://arxiv.org/abs/2409.18584

赞 2

评论

浏览 174

语音
Speech

[浏览需要 0 积分] 发布于2025-03-07 17:36:31

【CP-力作鼎推】OWLS: Scaling Laws for Multilingual Speech Recognition and Translation Models
论文链接 Neural scaling laws offer valuable insights for designing robust sequence processing architectures. While these laws have b...

赞 2

评论 1

浏览 317

语音
Speech

[浏览需要 0 积分] 发布于2025-03-06 14:10:10

【CP】Unveiling the Potential of LLM-Based ASR on Chinese Open-Source Datasets
论文链接代码链接

赞 2

评论 1

浏览 292

语音
Speech

[浏览需要 0 积分] 发布于2025-03-05 16:10:22

【CP】Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model
论文链接

赞 2

评论

浏览 322

语音
Speech

[浏览需要 0 积分] 发布于2025-03-04 14:34:20

【优秀博士生】Jinchuan Tian—CMU
学术链接 Git 链接

赞 2

评论

浏览 291

语音
Speech

[浏览需要 0 积分] 发布于2025-02-27 10:19:11

【JP】High fidelity zero shot speaker adaptation in text to speech synthesis with denoising diffusion GAN
论文链接

赞 2

评论

浏览 335

语音
Speech

[浏览需要 0 积分] 发布于2025-02-21 17:50:45

【资源】AudioLLM / SpeechLLM方向论文、代码、数据汇总GIT
论文链接

赞 2

评论

浏览 425

语音
Speech

[浏览需要 0 积分] 发布于2025-02-21 17:11:48

【JP】A speech recognition method with enhanced transformer decoder
论文链接

赞 2

评论

浏览 384

语音
Speech

[浏览需要 0 积分] 发布于2025-02-21 13:27:08

【TR】OSUM: Advancing Open Speech Understanding Models with Limited Resources in Academia
论文链接代码链接 Large Language Models (LLMs) have made significant progress in various downstream tasks, inspiring the development of ...

赞 3

评论

浏览 457

语音
Speech

[浏览需要 0 积分] 发布于2025-02-17 14:29:24

【CP】End-to-End Speech Recognition with Pre-trained Masked Language Model
论文链接 We present a novel approach to end-to-end automatic speech recognition (ASR) that utilizes pre-trained masked language mode...

赞 2

评论 1

浏览 477

语音
Speech

[浏览需要 0 积分] 发布于2025-02-11 11:27:05

【CP】RFWAVE: MULTI-BAND RECTIFIED FLOW FOR AUDIO WAVEFORM RECONSTRUCTION
论文链接代码链接

赞 2

评论

浏览 399

语音
Speech

[浏览需要 0 积分] 发布于2025-02-07 19:17:38

【Code】k2 官方提供AudioLLM配方，复现Qwen-Audio
代码链接

赞 3

评论

浏览 468

语音
Speech

[浏览需要 0 积分] 发布于2025-02-07 17:23:54

【CP】ADVANCING MULTI-TALKER ASR PERFORMANCE WITH LARGE LANGUAGE MODELS
论文链接模型结构训练策略

赞 2

评论

浏览 451

语音
Speech

[浏览需要 0 积分] 发布于2025-02-07 11:27:40

【CP】Speech Data Selection for Efficient ASR Fine-Tuning using Domain Classifier and Pseudo-Label Filtering
论文链接

赞 2

评论

浏览 521

语音
Speech

[浏览需要 0 积分] 发布于2025-02-06 19:15:14

【CP】Optimized Self-supervised Training with BEST-RQ for Speech Recognition
论文链接

赞 2

评论

浏览 466

语音
Speech

[浏览需要 0 积分] 发布于2025-02-05 11:33:08

【TR】FireRedASR: Open-Source Industrial-Grade Mandarin Speech Recognition Models from Encoder-Decoder to LLM Integration
论文链接

赞 2

评论

浏览 461

语音
METASPEECH

[浏览需要 0 积分] 发布于2025-01-27 22:38:08

我们开源了FireRedASR，包括技术报告、模型、推理代码
我们开源了 FireRedASR，包括技术报告、模型、推理代码高准确率：在中文普通话公开测试集上，FireRedASR 字错误率(CER) 3.05%，比此前 SOTA Seed-ASR 的 3.33% 相对降低 8.4% 高实用性：在多种实际中文普通话...

赞 2

评论

浏览 909

语音
Speech

[浏览需要 0 积分] 发布于2025-01-23 11:35:37

【CP】TTS-Transducer: End-to-End Speech Synthesis with Neural Transducer
论文链接官网链接

赞 2

评论

浏览 592

语音
Speech

[浏览需要 0 积分] 发布于2025-01-22 14:53:18

【CP】E2 TTS: EMBARRASSINGLY EASY FULLY NON-AUTOREGRESSIVE ZERO-SHOT TTS
论文链接 LJ Speech 数据链接 am 代码链接 1 am 代码链接 2 vocoder 代码链接网站链接

赞 2

评论

浏览 736

语音

METASPEECH
269 帖子 • 51 评论

1646
Speech
166 帖子 • 24 评论

1292
AI柠檬
14 帖子 • 16 评论

509
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