会员服务
语音学（phonetics）：语言学的语音学（linguistic phonetics），实验语音学，音法学（基础音法学、共时音法学、演化音法学）。 语音学中较受公认的三大分支：发音语音学（articulatory phonetics, 肺、喉、唇舌等说者发音器官的位置、形状、动作），声学语音学（acoustic phonetics, 语音声波的频率、响度等频谱-时间的性质），听觉语音学（auditory phonetics, 听觉系统对语音如何接受、分类、识别）；三者范畴间的对应程度/协调，印象记音与仪器分析的对应程度/协调
SloPal: A 60-Million-Word Slovak Parliamentary Corpus with Aligned Speech and Fine-Tuned ASR Models
SloPal: A 60-Million-Word Slovak Parliamentary Corpus with Aligned Speech and Fine-Tuned ASR Models
Arxiv
0+阅读 · 3月16日
ReactMotion: Generating Reactive Listener Motions from Speaker Utterance
Arxiv
0+阅读 · 3月16日
AC-Foley: Reference-Audio-Guided Video-to-Audio Synthesis with Acoustic Transfer
AC-Foley: Reference-Audio-Guided Video-to-Audio Synthesis with Acoustic Transfer
Arxiv
0+阅读 · 3月16日
SoulX-Singer: Towards High-Quality Zero-Shot Singing Voice Synthesis
Arxiv
0+阅读 · 3月16日
Latent-Mark: An Audio Watermark Robust to Neural Resynthesis
Arxiv
0+阅读 · 3月16日
LAMB: LLM-based Audio Captioning with Modality Gap Bridging via Cauchy-Schwarz Divergence
Arxiv
0+阅读 · 3月16日
Nested Music Transformer: Sequentially Decoding Compound Tokens in Symbolic Music and Audio Generation
Arxiv
0+阅读 · 3月16日
A Language-Agnostic Hierarchical LoRA-MoE Architecture for CTC-based Multilingual ASR
Arxiv
0+阅读 · 3月16日
LightBeam: An Accurate and Memory-Efficient CTC Decoder for Speech Neuroprostheses
Arxiv
0+阅读 · 3月14日
VoXtream2: Full-stream TTS with dynamic speaking rate control
Arxiv
0+阅读 · 3月13日
Sirens' Whisper: Inaudible Near-Ultrasonic Jailbreaks of Speech-Driven LLMs
Arxiv
0+阅读 · 3月14日
What Counts as Real? Speech Restoration and Voice Quality Conversion Pose New Challenges to Deepfake Detection
Arxiv
0+阅读 · 3月14日
Point of Order: Action-Aware LLM Persona Modeling for Realistic Civic Simulation
Arxiv
0+阅读 · 3月14日
Probing neural audio codecs for distinctions among English nuclear tunes
Arxiv
0+阅读 · 3月14日
RadEar: A Self-Supervised RF Backscatter System for Voice Eavesdropping and Separation
Arxiv
0+阅读 · 3月12日
参考链接
微信扫码咨询专知VIP会员
Top