不用 ASR，TTS也能知道自己说到哪了！自变量X2-NativeCursor 开源
你让一个全双工 AI 助手“从 1 数到 100”。它采用 token 级流式 TTS（文字转语音）：大模型生成数字序列，TTS 持续合成，播放器一边接收一边播放。 假设大模型已经生成了完整的数字序列，声音却刚播到 27： 模型已经生成：1…
30 0 0
最新声浪
查看全部 →
IEEE T-ASLP | DeepASMR：面向零样本 ASMR 语音生成的大模型框架
本期推送将介绍上海交通大学听觉认知与计算声学实验室与 VUI Labs 联合完成的研究论文《DeepASMR: LLM-Based Zero-Shot ASMR Speech Generation》，分享一项基于大语言模型的零样本 ASMR…
21 0 0
![语音与音频学术速递[9.16]](https://api.speechhome.com/Resources/Thumb/2026-09-16/2100113768460718080.png)
语音与音频学术速递[9.16]
今日论文合集：CS.SD语音与音频 | 共 9 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. 语音识别与关键词检测 1…
14 0 0
Xiaomi-CocktailASR-1：小米开源目标说话人语音识别模型
在多人同时说话的场景里，语音识别一直面临一个特殊问题：系统能够听见很多声音，却很难判断其中哪一句属于指定的人。 会议录音、多人通话、车载语音、家庭环境中的语音控制，都存在类似情况。传统方案通常需要先进行语音分离，再把分离后的目标声音交给 A…
26 1 0
阶跃发布语音大模型StepAudio 3，拿下多个全球第一！
今天，阶跃正式发布 Step Audio 3 系列模型，包括 StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen 和 StepAudio 3 Music。…
40 0 0
NCMMSC2026丨ASLP@NPU实验室9篇录用论文分享
全国人机语音通讯学术会议（National Conference on Man-Machine Speech Communication, NCMMSC）是中国计算机学会（CCF）和中国中文信息学会（CIPS）联合主办的我国语音科学与技术领…
19 0 0
![语音与音频学术速递[9.15]](https://api.speechhome.com/Resources/Thumb/2026-09-15/2099808475805782016.png)
语音与音频学术速递[9.15]
今日论文合集：CS.SD语音与音频 | 共 30 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. 语音识别与关键词检测…
18 0 0
![语音与音频学术速递[9.14]](https://api.speechhome.com/Resources/Thumb/2026-09-14/2099430415856177152.png)
语音与音频学术速递[9.14]
今日论文合集：CS.SD语音与音频 | 共 9 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. 语音合成与声音生成 2…
21 0 0
INTERSPEECH 2026 | 天津大学认知计算与应用重点实验室 9 篇录用论文分享
分享天津大学认知计算与应用重点实验室9篇论文被INTERSPEECH 2026 录用的论文。本次录用工作覆盖大音频语言模型、音频推理智能体、阿尔茨海默病语音检测、鲁棒说话人验证、上下文表现力语音评估以及自监督语音表征学习等方向。 ⏩1. M…
25 0 0
![语音与音频学术速递[9.11]](https://api.speechhome.com/Resources/Thumb/2026-09-11/2098360410242682880.png)
语音与音频学术速递[9.11]
今日论文合集：CS.SD语音与音频 | 共 10 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. 语音识别与关键词检测…
18 0 0