面向听觉智能与物理AI的
人机交互开发者社区

语音小管家

转载2 months ago

一首歌从"灵感"到"成品"，往往要经历词曲创作、编曲配器、人声录制、混音母带等多个环节。如果有一天，一个 AI 系统能够从一段文字描述出发，直接输出包含人声演唱、完整伴奏和段落结构的歌曲——甚至还能翻唱已有作品——这会对音乐创作意味着什么？…

语音小管家

转载2 months ago

两周前 OpenAI 上线GPT-Live，社交媒体上的形容词高度趋同："像人"、"有温度"、"跟朋友聊天一样"。往前推两个月，Thinking Machines Lab 放出第一批 Interaction Models；同期 xAI 的g…

语音小管家

转载2 months ago

来源：机器之心 刚刚，腾讯混元正式发布新一代语音识别模型 Hy ASR 3.0 preview。基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语音识别与深度语义理解能力，在通用识别、上下文感…

语音小管家

转载2 months ago

以下文章来源：电影声音网 欧盟《人工智能法案》透明度要求已于2026年8月2日生效。 如果你正在使用人工智能对面向欧盟受众的作品进行音频、对话或视频的编辑、修改或生成，那么无论你身处何地，本周末生效的披露规则都将适用。以下是摘要。 01、欧…

语音小管家

原创2 months ago

AudioCC交我学 今天我们来聊一聊，自动语音识别 (Automatic Speech Recognition, ASR) 中的强化学习是怎么做的？ 近年来，大语言模型的快速发展，使得"预训练—监督微调—强化学习"逐渐成为构建智能系统的主…

语音小管家

转载2 months ago

零样本语音转换旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。随着实时通信、直播互动、在线会议、游戏语音等应用场景的发展，语音转换系统对低延迟、轻量化和高保真流式推理能力提出了更高要求。此前提出的 MeanVC 通过…

语音小管家

转载2 months ago

通义千问团队今日正式发布 Qwen 3.8-Max，参数规模达 2.4 万亿（活跃参数 95B），成为 Qwen 家族迄今最强的模型，模型权重将于下周开源。这是 Qwen 首次对 Max 级别模型开放权重。 千问AI平台：https://w…