WenetSpeech-Chuan：多维标注大规模四川话语音语料库开源
语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 1.2亿 母语使用者的川渝方言而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终…
25 0 0
最新声浪
查看全部 →![语音/音频处理学术速递[9.28]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-30/1972945970488545280.jpg)
实时语音活动检测：兼顾精度与计算量的平衡之道
语音活动检测（Voice Activity Detection，VAD），又称端点检测是音频领域比较常用的一个算法，其作用是检测语音的起点和终点。它可以在语音编码中对静音帧和非静音帧采用不同的编码方式以节省带宽，也可以作为语音识别的前置模块…
28 0 0
![语音/音频处理学术速递[9.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-26/1971489451137961984.jpg)
![语音/音频处理学术速递[9.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-26/1971489314705641472.jpg)
刚刚，LeCun团队开源首款代码世界模型！能像程序员一样思考的LLM来了
来源丨新智元 疯狂挖人的Meta，终于在今天发布了最新AI研发成果！代码世界模型CWM是本次发布的模型，创新性地将世界模型引入了代码生成任务中。这是否会成为编程模型新范式？ 疯狂挖人的Meta，终于把他们的AI研发新成果端上来了！ 就在今天…
18 0 0
sherpa-onnx：AI 语音界的瑞士军刀
语音开源模型这么多，你还在为如何部署烦恼吗？各种模型环境各式各样，你还在为安装环境晕头转向吗？老板说隐私很重要，要出一个离线的demo，你还在犹豫不知如何下手吗？语音那么多任务，又是vad，又是说话人，还得做识别合成，你还在为组合方案费尽心…
55 0 0
阿里开源视觉理解大模型 Qwen3-VL：关键评测基准超Gemini 2.5、GPT-5
今日，QwenTeam 正式发布了全新一代多模态视觉语言模型 ——Qwen3-VL 系列。这是 Qwen 家族迄今为止最强大的视觉语言模型，在视觉感知、跨模态推理、长上下文理解、空间推理和智能代理交互等多个维度全面提升。旗舰开源模型Qwen…
19 0 0
大会通知 | 全国人机语音通讯学术会议（NCMMSC 2025）邀您10月镇江共享盛会！
会议简介 全国人机语音通讯学术会议是国内语音领域广大专家、学者和科研工作者交流最新研究成果，促进该领域研究和开发工作不断进步的重要舞台。该系列会议自1990年开创以来已成功召开了十九届。2025年第二十届全国人机语音通讯学术会议（Natio…
19 0 0