FlashLabs开源Chroma 1.0：实时、高保真语音克隆与对话的端到端模型
标题：FlashLabs Chroma 1.0: A Real-Time End-to-End Spoken Dialogue Model with Personalized Voice Cloning 链接：https://arxiv.o…
19 0 0
最新声浪
查看全部 →
首篇具身智能机器人「安全」综述：LLM如何跨越物理鸿沟？
来源丨新智元 最新综述首次系统探讨LLM控制机器人的安全威胁、防御机制与未来挑战，指出LLM的具身鸿沟导致其在物理空间可能执行危险动作，而现有防御体系存在逻辑与物理脱节等问题。 具身智能正在经历从实验室走向真实世界的范式转移。 大语言模型（…
15 0 0
刚刚，Twitter 推荐算法公开
来源丨算法进阶、赛博禅心 就在刚刚，马斯克正式宣布开源 𝕏（原 Twitter）平台的推荐算法代码。 开源地址：https://github.com/xai-org/x-algorithm
23 0 0
预训练音频模型结合线性探测助力水下声学目标识别
海洋越来越“吵”。货轮、集装箱船、拖网渔船的低频轰鸣叠加成持续背景声，被广泛部署的被动声学监测（PAM）系统悉数录入。全球已有数百套PAM系统全年无休地记录海底声音，但由于高质量船舶录音标注稀缺，大量数据难以有效分析。 如何在标注船舶录音稀…
18 0 0
![语音/音频处理学术速递[1.19]](https://api.speechhome.com/Resources/Thumb/2026-01-19/2013196499177050112.jpg)
Speech-Hands：靠“自我反思”优化语音识别与音频推理的语音智能体方案
标题：Speech-Hands: A Self-Reflection Voice Agentic Approach to Speech Recognition and Audio Reasoning with Omni Perception…
29 0 0
52KB 的奇迹！NovaSR 开源：16kHz 秒变 48kHz，快出天际的音频超分模型！
就在最近，一个名为NovaSR的开源项目在开源社区里炸开了锅。一款仅有 52 KB 的音频超分辨率模型。 NovaSR可以把电话音质（16kHz）瞬间变成录音室级的 Hi-Fi 音质（48kHz），而且速度快到单张 A100 能跑出 360…
25 0 0
AAAI 2026 | 通用声音分离与提取的统一模型
AAAI（Association for the Advancement of Artificial Intelligence）是人工智能领域历史最悠久、内容覆盖最广的国际顶级会议之一，也是中国计算机学会（CCF）推荐的 A 类国际学术会议…
21 0 0
雪扬科技 | 招聘高级语音合成算法工程师
南方新华（SINO SOUTH）是一家全球领先的人力资源服务和人才竞争力咨询公司，为企业提供专业猎头服务、管理咨询服务，助力其快速建立行业前10的核心人才竞争力。设立“深圳+重庆”双总部，东西协北京雪扬科技有限公司，品牌名称叫安顿。安顿专注…
130 0 0
Step-Audio-R1.1：阶跃星辰开源语音模型升级发布，并荣登全球第一
近日，阶跃星辰开源的原生语音推理模型Step-Audio-R1 更新升级至Step-Audio-R1.1，并在全球知名权威大模型评测榜单 Artificial Analysis Speech Reasoning 登顶榜首。 该榜单是目前业界…
27 0 0