听见机器的心跳——清华&上交等发布首个工业信号基座模型
近期，来自清华大学、上海交通大学、北京华控智加科技有限公司和华北电力大学的研究者联合发布首个多模态工业信号基座模型FISHER，采用搭积木的方法对异质工业信号进行统一建模。目前技术报告和权重均已开源，欢迎使用！ 论文链接：https://a…
19 0 0
最新声浪
查看全部 →
夸克健康大模型万字调研报告：国内首个！透视主任医师级「AI大脑」背后的深度工程化
7月23日，夸克健康大模型在业界引起广泛关注：其成功通过了中国12门核心学科的主任医师笔试评测，成为国内首个完成此项专业考核的AI大模型。这一成果不仅凸显了AI在严肃医疗和C端的应用潜力，也引发了行业对其背后技术逻辑与工程实践的深入探讨。…
19 0 0
李沐老师也出手了，教你手搓语音大模型，代码全开源还能在线试玩!
来源丨量子位 李沐老师终于带着他的手搓语音大模型教程回归了，一千万小时音频数据训练的TTS，效果秒杀一众商业&开源的TTS。 本期视频不讲论文，李沐老师来手把手教大家怎样玩转他们团队最新研发的Higgs Audio V2模型，不仅能处理文本…
29 0 0
影视配乐、游戏音效革命：清华大学 & 生数科技 ACM MM 2025 最新研究让 AI 生成时间可控长时音频
文生音频系统（Text-to-audio generation, T2A）在生成模型的持续发展下取得了显著的进展。然而，由于精确时间对齐的音频-文本数据对在质量和数量上的限制，现有 T2A 系统在面对包含精确时间控制的复杂文本提示时表现仍然…
22 0 0
![语音/音频处理学术速递[7.23]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-07-23/1947919645776416768.jpg)
Grok +Tesla驾驶认知革命：让汽车开始“思考”的那一刻 -- 从自动驾驶到自主思考
这可不是什么未来科技的遥远设想，而是Tesla车主 Kim 与其车载 AI Grok 之间的一次真实互动。在即将开始线上会议前，仅凭一句指令，Grok 就能理解用户意图、规划充电路径、选择充电设施，并自主执行整个补能过程。这种跨越“人—车—…
21 0 0
ACM MM 2025｜DualDub：同时生成和谐的语音与背景音频，构建完整的视频音轨
当前视频到音频(Video-to-Audio, V2A)模型可以从视觉输入中生成逼真的背景音频，但它们大多忽略了语音在视频音轨中的关键组成部分。近期，西工大音频语音与语言处理研究组（ASLP@NPU）联合巨人网络、University of…
19 0 0
![语音/音频处理学术速递[7.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-07-22/1947589847946498048.jpg)
蚂蚁集团-蚂蚁技术研究院-大模型评测研究实习生
职位描述 1. 设计与开发评测方案： 围绕大语言模型和多模态大模型的各项能力，设计科学、公正、全面的评测（Benchmark）方案和对应的数据集。 2. 搭建评测平台： 参与或负责自动化评测系统的开发、部署和维护，提升模型迭代和评测效率。…
53 0 0
蚂蚁集团-蚂蚁技术研究院-大模型数据算法研究员
职位描述 1. 构建百亿-千亿级参数大模型的工业化数据管道原型系统，主导预训练数据（多语言/多模态）的数据质量治理体系设计，开发数据去噪、清洗、打标、去偏和毒性检测算法 2. 构建大模型多维度评估体系：开发面向领域任务的细粒度评估框架，设计…
55 0 0