作者：Ryuk来源：语音算法组链接：https://mp.weixin.qq.com/s/PMKFQvPNLJH7qXqp8fWjkA 语音识别算法目的是从声学特征x中找到最有可能…

语音识别技术已成为各种现代应用中的关键，尤其是实时转录和语音激活命令系统。它对于听力障碍人士的辅助工具、演示期间的实时字幕以及智能设备中的语音控制至关重要。这些应用需要即时、精确的…

LiveKit 和 OpenAI 正在合作，帮助您使用支持 ChatGPT 新的高级语音功能的相同技术构建自己的应用程序。

本文我们将探讨 AI 在解决鸡尾酒会问题方面的进展，以及它为未来音频技术带来的潜力。

从媒体处理到数据分析，音频处理是许多应用程序的一个重要方面。Python 中的 Pydub 库为音频处理提供了一个易于使用的界面，让您可以高效地处理音频文件。在本文中，我们将结合实…

主动声音控制（Active Sound Control, ASC）在当今已应用于许多实际噪声控制，包括汽车发动机和道路噪声控制、螺旋桨飞机降噪以及降噪耳机等。尽管该技术的研究和开发…

多年来，口语对话系统领域取得了长足的发展，从简单的语音界面发展到能够维持实时对话的复杂模型。Siri、Alexa 和谷歌助手等早期系统开创了声控交互的先河，允许用户通过语音命令触发…

“沉浸式音频 ”一词被用来描述几乎所有非传统立体声（或单声道）的音频呈现方式。然而，沉浸式音频并不是一个新概念，本文作者对此发表了相关观点。

在快速发展的视频制作世界中，创新是保持领先地位的关键。科技行业的领跑者 GDC 最近推出了其开创性的产品 SyncWaveX，该产品有望重新定义视频制作领域。SyncWaveX 利…

SIP 中继的普及使这些 SIP 中继的语音带宽计算成为 IT 组织必须解决的问题。带宽过大，就无法实现投资回报率，总体拥有成本也会高于必要水平。带宽太小会导致呼叫阻塞，呼叫者放弃…

在音频合成中实现高保真波形生成是一项重大挑战，特别是由于传统模型（如条件流匹配 (CFM)）的推理时间较长，需要大量的常微分方程 (ODE) 步骤。虽然这些模型质量很好，但它们通常…

零样本语音转换 (zero-shot voice conversion) 旨在保留语言内容的同时，将源说话人语音转换成任意目标说话人的语音。随着深度学习技术的引入，零样本语音转换技…

在当今数字化时代，虚拟现实（Virtual Reality，VR）和增强现实(Augmented Reality, AR)技术正迅速成为创新交互体验的前沿。这些技术通过模拟或增强用…

RecordRTC.js 是一个方便的 JavaScript 库，可让您直接从浏览器录制音频和视频。通过使用 WebRTC 技术，它能让捕捉音频、视频甚至屏幕录制等媒体流变得超级简…

微软举办的DNS Challenge比赛做语音的朋友们或多或少有所了解，但是这个比赛更多的注重语音增强的效果。然而在实际场景下，很多语音增强的算法要放在低算力的端侧运行，这就对模型…

MainConcept 战略与业务发展副总裁 Thomas Kramer 和 Fraunhofer IIS 媒体技术高级工程师 Yannik Grewe 详细介绍了 MPEG-H …

声波有多种应用，但并不总是广为人知：它们不仅用于通信，还可用于冷却或加热建筑物、监测鸟类迁徙或控制电视。随着社会的变化，声学领域涉及许多创新，为日常挑战提供解决方案。 电信世界也不…

风噪，专业名称为空气动力噪声，是由流场中运动的物体与物体之间的作用产生，或者是由流体自身的湍流运动导致的流体之间的相互作用产生。在多种实际应用场景中都可能遇到风噪的问题，常见的比如…

FOX Sports 为 MLB 全明星赛制作音频的过程对观众来说可能冗长而不透明，但这对他们充分欣赏比赛绝对至关重要。由于新技术和多样化技术的应用，视频变得越来越复杂，而同步那些…

在当今数字化时代，大模型以其强大的数据处理和复杂问题解析能力，正深刻改变着我们的现实生活。以GPT4o等为例，大模型已经具备了令人惊叹的全双工语音交互能力，其中实时交互是语音对话的…