面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
科大讯飞语音类岗位
原创19 days ago
科大讯飞语音类岗位

科大讯飞是亚太地区领先的智能语音与人工智能上市企业。作为中国第一家由在校大学生创办的上市公司,科大讯飞一直高度重视校园招聘。 科大讯飞现有正式员工超过15000人,2026年讯飞校园招聘入职超过1000位应届毕业生。随着人工智能产业的快速发…

890 0 0
NeurIPS 2026|RAIL:从人类认知能力视角重新审视大型音频语言模型的听觉智能
原创20 days ago
NeurIPS 2026|RAIL:从人类认知能力视角重新审视大型音频语言模型的听觉智能

现有音频评测大多按“语音、环境声音、音乐”等输入类型,或“转写、分类、问答”等任务组织。这些分类便于比较模型在具体任务上的表现,却难以说明任务背后的能力需求。同样是音频问答,辨认两个相近的声音、回忆之前出现过的声音,以及根据声音顺序推断事件…

228 0 0
ICASSP 2027丨真实世界多步空间音频问答挑战赛
公告22 days ago
ICASSP 2027丨真实世界多步空间音频问答挑战赛

近年来,音频语言大模型(LALM)与端到端全模态交互飞速进化,机器不仅能识别人声,还能感知环境声与音乐。然而,大多数LALM仍停留在单声道的平面世界里。它们能回答“发生了什么”,却无法判断:婴儿哭声是在卧室还是走廊?水流声和脚步声谁离我更近…

363 0 0
语音与音频学术速递[10.16]
原创22 days ago
语音与音频学术速递[10.16]

今日论文合集:CS.SD语音与音频 共 9 篇,本文展示前 7 篇 本文经arXiv每日学术速递授权转载,微信公众号:arXiv_Daily [机构]信息由AI分析生成,可能存在错误,仅供参考,以论文实际显示为准 快速导航 1. 语音识别与…

390 0 0
小米开源空间音频理解大模型 MiDashengLM-Spatial
原创23 days ago
小米开源空间音频理解大模型 MiDashengLM-Spatial

近年来,大语言模型(Large Language Model, LLM)在语音、图像等多模态领域快速发展,空间智能也成为人工智能的重要方向。空间智能,是机器感知、理解和推理三维物理世界的能力,也是实现全场景智能生态的重要基础。 今天,小米开…

269 0 0

为语音开发者而生