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

原创10 months ago

近日，千问C端AI人机交互团队联合通义实验室在音频大模型领域取得重要进展，正式开源QuarkAudio：一个面向端到端音频处理与生成的统一建模框架。QuarkAudio基于离散化音频表征实现了对语音修复、音频生成与编辑等多样化任务的统一建模…

语音小管家

转载10 months ago

说实话，今年语音模型的内卷程度已经到了不讲武德的地步。但这次，Qwen3-TTS 的更新，是真的有点狠。 阿里通义刚刚上线了 Qwen3-TTS 的两大核心能力： •VoiceDesign（VD-Flash）：用文字“设计”声音，而不是选声…

语音小管家

转载10 months ago

本系列十篇文章，旨在对之前提到的十大趋势进行详细剖析。 关于未来语音技术和应用趋势的10点看法 本系列中将穿插科普、技术综述、技术发展路线，以及来自我个人与其他行业专家的思考。希望不论读者此前对语音技术与应用了解多少，都能从这一系列文章中获…

语音小管家

转载10 months ago

昨天，阿里通义开源新一代语音交互模型 Fun-Audio-Chat-8B。该模型在OpenAudioBench、VoiceBench、UltraEval-Audio、MMAU、MMSU、SpeechFunctionCall 等多项权威基准测…

语音小管家

原创10 months ago

官方 Blog: https://developers.google.com/health-ai-developer-foundations/medasr huggingface: https://huggingface.co/google…

语音小管家

转载10 months ago

大家好，欢迎来到「AudioCC交我学」专栏！ 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…

语音小管家

转载10 months ago

GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同，并在多项主流公开基准测试中取得开源模型中的领先表现。 目前，GLM-4.7已通过BigModel.cn提供API，并在z.ai全栈开发模式中上线Sk…