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

转载10 months ago

标题：《RRPO: Robust Reward Policy Optimization for LLM-Based Emotional TTS》 链接：https://arxiv.org/pdf/2512.04552 作者单位：阿里通义实验…

语音小管家

转载10 months ago

语音识别（ASR）作为高效转录语音的技术，在当今社会中扮演着越来越重要的角色。借助大语言模型的语音识别（LLM-ASR）性能出色，但通常会产生高昂的计算成本。探索LLM-ASR的高效训练策略以及扩展方法具有重要意义，以便获得给定计算成本（F…

语音小管家

转载10 months ago

最近 TTS 领域是真的越来越卷了，国内外各个互联网大厂轮番上阵。 阿里通义（Qwen）团队最近在开源界简直是“劳模”级别的存在，这边又悄悄上新了全新的Qwen3-TTS。 而且一出手就明显是冲着「自然度 + 多音色 + 多语言」这一代标准…

语音小管家

转载10 months ago

这篇论文主要想解决全双工口语对话系统（SDS）的核心难题——怎么让系统同时“听、说、思考”还不混乱，重点提出了一个“语义 VAD”当对话管理器（DM），用轻量级 LLM 搞定轮次切换，平衡了交互流畅度和计算效率。 原文链接：https://…

语音小管家

转载10 months ago

作为语音相关研究领域的旗舰国际会议，ASRU2025（IEEE Workshop on Automatic Speech Recognition and Understanding）将于12月6-10日在夏威夷檀香山举办。IEEE ASRU…

语音小管家

转载10 months ago

论文题目：《SpeakerLM: End-to-End Versatile Speaker Diarization and Recognition with Multimodal Large Language Models》 论文地址：ht…

语音小管家

转载10 months ago

在具身智能迈向真实世界应用的关键阶段，大规模、高质量、多平台兼容的机器人操作数据已成为制约技术突破的核心瓶颈。 为破解这一难题，北京智源人工智能研究院联合蚂蚁天玑实验室、银河通用、乐聚、软通天擎、松灵、星海图、智平方、睿尔曼等产业先锋，以及…