音频

FFmpeg 是一个著名的命令行媒体处理工具。下面介绍如何在 Linux 上安装和使用它来修改音频和视频文件。 几乎所有处理视频的人都可能听说过 FFmpeg。对于不熟悉的人来说，…

一、音频编解码原理 数字音频是由 PCM(Pulse Code Modulation，脉冲编码调制)技术将模拟信号，主要经过抽样、量化、编码三个处理过程产生的，其中的编码就是按照一…

随着数字人概念的火爆、生成技术的不断发展，让照片里的人物跟随音频的输入动起来也不再是难题。 不过目前「通过人脸图像和一段语音音频来生成会说话的人物头像视频」仍然存在诸多问题，比如头…

背景介绍 实时音视频通信 RTC 在成为人们生活和工作中不可或缺的基础设施后，其中所涉及的各类技术也在不断演进以应对处理复杂多场景问题，比如音频场景中，如何在多设备、多人、多噪音场…

随着数字人概念的火爆、生成技术的不断发展，让照片里的人物跟随音频的输入动起来也不再是难题。 不过目前「通过人脸图像和一段语音音频来生成会说话的人物头像视频」仍然存在诸多问题，比如头…

近日，国际语音及信号处理领域顶级会议 ICASSP2023 在希腊成功举办。大会邀请了全球范围内各大研究机构、专家学者以及等谷歌、苹果华为、Meta AI、等知名企业近 4000 …

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。 只需3秒钟，一个根本没听过你说话的AI，就能完美模仿出你的声音。 例如这是你的一小句聊天语音： 说话人…

1 月 10 日消息，微软最近发布了一款名为 VALL-E 的人工智能工具，只需 3 秒音频即可模仿人说话。 该工具经过 60000 小时英语语音数据的训练，并使用特定语音的 3 …

近期 AIGC 如同上了热搜一般，火热程度居高不下，当然除了名头格外响亮，突破也是绝对斐然：输入自然语言就可自动生成图像、视频甚至是 3D 模型，你说意不意外？ 但在音频音效的领域…

就机器学习而言，音频本身是一个有广泛应用的完整的领域，包括语音识别、音乐分类和声音事件检测等等。传统上音频分类一直使用谱图分析和隐马尔可夫模型等方法，这些方法已被证明是有效的，但也…

让ChatGPT帮你写剧本，Stable Diffusion生成插图，做视频就差个配音演员了？它来了！ 最近来自微软的研究人员发布了一个全新的文本到语音（text-to-speec…

图像生成模型卷起来了！视频生成模型卷起来了！ 下一个，便是音频生成模型。 近日，谷歌研究团队推出了一种语音生成的AI模型——AudioLM。 只需几秒音频提示，它不仅可以生成高质量…