从 2G 到 5G，移动通信的演变为人们提供了不同的通信方式。传统的方法是通过购买带有 SIM 卡的手机进行通话。无论是在 2G/3G 的电路交换域还是 4G/5G 的分组交换域，良好的网络覆盖都是进行通话的前提。对于 4G 和 5G 网...

机器硬件：OriginBot(导航版/视觉版)PC主机：Windows（>=10）/Ubuntu(>=20.04)扩展硬件：X3语音版

在快节奏的现代生活中，我们的思想和创意如同流星划过夜空，转瞬即逝。如何有效地捕捉这些宝贵的瞬间，将它们转化为持久的记忆和行动的动力？这就是 Cleft——一款专为思想捕捉而生的智能语音笔记应用——所要解决的问题。...

而想要构建一个功能丰富的语音处理系统，尤其是实现语音模型训练和数据处理，往往需要复杂的技术堆栈和大量资源。

人脸数字3D在各种媒介中非常普遍，被广泛应用于电视、视频游戏、电影、视频会议和营销等领域。此外，它是2D口型生成的关键组件[]。作为社会生物，人类很注重彼此的面部表情[]。这使作者非常擅长辨别与面部相关的细节。特别...

对比语音来说，NLP 技术在深度学习中更为普及。在介绍语音合成任务前，我们先来了解语音这一模态的特点，并将其与文本模态对比。

在数字化时代，文本到语音（Text-to-Speech, TTS）技术已成为人机交互的关键桥梁，无论是为视障人士提供辅助阅读，还是为智能助手注入声音的灵魂，TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术，再到现今的深...

以 CNN 为图像编码器,以 RNN为文本解码器,编码器和解码器之间依靠图像的隐状态连接

ChatGPT引爆了以AIGC(人工智能生成内容)为代表的第四范式 AI的市场，并成为 AI市场的热点。

在人工智能技术日益普及的今天，GPT-4o所展现出的实时语音对话能力再次吸引了大量关注。但AI语音助手其实并不新鲜，“你好，Siri”这句话，大家都已经说了好多年。那为什么GPT-4o的发布，仍能够再次唤起人们对AI语音的畅想？答案...