跨模态对齐+流式单码本！SecoustiCodec语音编解码新范式——快手/天大/自动化所/清华联合发布
快手科技、天津大学、中科院自动化所与清华大学联合发布了SecoustiCodec，一种跨模态对齐的流式单码本语音Codec。支持语义信息、副语言信息、声学信息的独立编码与重构。可以应用于语音合成、语音对话模型等生成式语音任务。 论文题目：S…
27 0 0
最新声浪
查看全部 →
谷歌开源模型Perch2.0，理解上万种物种声音识别
来源丨本原智数、HyperAI超神经 近日，谷歌DeepMind正式发布并开源了全新的生物声学模型Perch 2.0。相较于前代，Perch 2.0 以物种分类为核心训练任务，不仅纳入了更多非鸟类类群的训练数据，还采用了全新的数据增强策略与…
23 0 0
![语音/音频处理学术速递[8.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-13/1955563578673205248.jpg)
北大 x 腾讯光子发布 C3 Benchmark：中英双语语音对话模型“地狱级”测试基准，直击语音对话模型软肋！
近年来，语音对话模型（Spoken Dialogue Models, SDMs）——如GPT-4o-Audio-Preview等，因能直接对用户的处理语音输入，并以语音形式做出回应而备受关注。尽管这类模型日益流行，关于它们在处理人类对话中复…
23 0 0
一觉醒来，GitHub没了？CEO辞职，微软接管，开发者天塌了
来源丨新智元 GitHub变天了！今天起，它不再独立。它再也不是那个为开发者的自由而生的平台，而成了微软AI代理工厂的一部分。CEO宣布辞职，出走创业。终于，一个时代落幕了。 一觉醒来，独立的GitHub没了！CEO也没了！这也太戏剧性了。…
24 0 0
大连理工大学团队研发仿生纤毛传感器：单纤毛结构达成 360° 全向声源定位
来自大连理工大学等机构的研究团队近日在Advanced Electronic Materials期刊上发表了一项研究，该团队通过电喷雾和3D微直接墨水书写等增材微制造技术，制备出一种可检测声波振幅与方向的仿生纤毛传感器，成功实现了360°方…
16 0 0
【交我学-6】视觉生成音乐：从图像到旋律的跨模态挑战
大家好，欢迎来到「AudioCC交我学」专栏！ 在本期文章中，我们将带您了解一个新兴而富有挑战性的跨模态研究方向：视觉生成音乐（Vision-to-Music Generation, V2M）。该任务旨在从图像、视频或人体动作等视觉信号中自…
21 0 0
【交我学-5】环境感知语音合成：从“干净”走向“真实”
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…
18 0 0
ACM Multimedia 2025 | 具有人格与情感特征的多模态欺诈数据集
题目：MDPE: A Multimodal Deception Dataset with Personality and Emotional Characteristics 作者：蔡聪，梁山，柳雪飞，朱康，温正棋，陶建华，解衡，崔济舟，马一…
18 0 0
Meta 收购专注理解和模仿音频中情感的 AI音频初创公司 Waveforms
来源丨今日声学 近日，Meta Platforms正式完成对人工智能初创公司WaveForms AI的收购，后者专注于情感识别与音频模拟技术的研发。 成立于2023年12月的WaveForms AI此前已完成4000万美元A轮融资，由硅谷顶…
21 0 0