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a year ago

论文标题：ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction 论文地…

语音小管家

转载a year ago

虽然文本大语言模型最近取得了很多的关注，但是对于人类而言，语音交互是更自然的方式。在语音交互常见中一个直接的方法是直接级联ASR-LLM-TTS这三个模型，然而这种直接的方式存在诸多问题。为了解决级联系统的问题端到端的语音大模型（Speec…

语音小管家

转载a year ago

AAAI 2026（AAAI Conference on Artificial Intelligence）将于2026年1月20-27日在新加坡举行，会议重点聚焦人工智能领域的前沿进展与跨学科应用，旨在为全球学术界与产业界的研究者提供一个深…

语音小管家

转载a year ago

如何将一段连续的、信息密度不均的波形，变成一串 AI 能够理解和处理的“密码”？关键在于语音分词器——它就像是 AI 的“语音耳朵”，负责将声音信号转换成离散的符号序列。 然而，现有的语音分词器大多采用固定帧率，比如每秒生成 75 个 to…

语音小管家

转载a year ago

来源丨乐百一家 论文题目：《Speech-Aware Long Context Pruning and Integration for Contextualized ASR》 论文地址：https://arxiv.org/pdf/2511.…

语音小管家

转载a year ago

近日，人工智能领域的顶级国际会议——AAAI 2026（The 40th Annual AAAI Conference on Artificial Intelligence）正式公布了论文录用结果。IMU语音理解与生成实验室最新表现力视频配…

语音小管家

转载a year ago

零样本语音转换（Zero-shot VC）旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。日益丰富的应用场景对模型的流式推理能力提出迫切需求，亟需兼具快速、轻量与高保真特性的解决方案。然而现有流式方法依赖自回归（AR…