填补端到端语音对话评估空白！WavBench：首个涵盖复杂推理、口语表达与副语言交互的全方位基准测试
近期，厦门大学、联合浙江大学、香港中文大学（深圳）的研究员发表了一篇题为“WavBench: Benchmarking Reasoning, Colloquialism, and Paralinguistics for End-to-End…
15 0 0
最新声浪
查看全部 →
定义下一代音频基础模型统一接口：300 万小时海量音频预训练的 MOSS-Audio-Tokenizer 正式开源
在大语言模型（LLM）的演进中，文本分词器（Tokenizer）作为离散接口，为模型的压缩、理解、生成与上下文学习奠定了基石。然而，在音频领域，如何构建一个简单、同构且具备强大扩展潜力（Scalable）的离散接口，依然是通往“原生音频大模…
21 0 0
豆包大模型2.0发布
今天，豆包大模型正式进入2.0阶段。 随着Agent时代到来，大模型将在现实世界发挥更大作用。豆包2.0（Doubao-Seed-2.0）围绕大规模生产环境下的使用需求做了系统性优化，依托高效推理、多模态理解与复杂指令执行能力，更好地完成真…
26 0 0
壁仞科技壁砺™ 166M极速支持MOSS-TTS Family
2月10日，由上海创智学院孵化的模思智能及OpenMOSS团队正式发布并开源了MOSS-TTS Family。模型发布后，壁仞科技（06082.HK）旗舰产品壁砺™ 166M率先完成其中语音生成基座MOSS-TTS模型的高性能推理部署。作为…
24 0 0
融声向善语音资源开源计划丨AISHELL-6 系列特殊声学特征语音语料库全面开放，助力人机交互向善发展
为促进语音技术的多元化与包容性发展，推动人工智能真正惠及每一位用户，希尔贝壳秉持“技术向善”的理念，联合西北工业大学、中国科学技术大学、南开大学、昆山杜克大学、新加坡南洋理工大学、佐治亚理工学院、StammerTalk、WeNet等顶尖学术…
24 0 0
Zero-Shot 歌声合成来了：支持中英粤三语的 SoulX-Singer 开源
过去一年，生成式人工智能在音乐行业的应用正不断创造新体验，但歌唱语音合成领域（SVS，Singing Voice Synthesis）整体进展相对缓慢。 为拓展这一领域，近日，Soul App AI 团队（Soul AI Lab）与吉利汽车…
22 0 0
【交我学-25】声音也能被指挥：可控语音生成技术的探索与未来
AudioCC交我学 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术创新与应用实践的最新动态。…
31 0 0
![语音/音频处理学术速递[2.10]](https://api.speechhome.com/Resources/Thumb/2026-02-11/2021418173944958976.png)
清华和盛大东京团队提出Hive数据集：以数据质量取代规模，实现高效通用声音分离
基于查询的通用声音分离（USS）技术旨在通过文本、音频等多模态提示从混合信号中分离出目标声音。这项技术能够应用于沉浸式音频渲染、智能音频编辑和辅助听力设备等应用，实现对复杂声学环境中任意声源的精准提取。 尽管近年来方法架构不断演进，现有基于…
33 0 0
AI 音频初创公司 ElevenLabs 在最新一轮融资后估值达 110 亿美元
AI 音频初创公司ElevenLabs在 D 轮融资中筹集了 5 亿美元。 据报道，此轮融资使这家初创公司的估值达到 110 亿美元，比一年前的估值增长了三倍多。 本轮融资由红杉资本领投，其合伙人安德鲁·里德(Andrew Reed)加入…
23 0 0