ISCSLP 2026丨ASLP@NPU&NJU实验室8篇录用论文分享
中文口语语言处理国际学术会议（International Symposium on Chinese Spoken Language Processing, ISCSLP）是国际语音通信协会中文口语语言处理特别兴趣组（ISCA SIG-CSL…
算法资讯
21 0 0
声浪
NCMMSC 2026 | ChinaVoices Challenge 2026：数据、任务、基线与方法总结
中文语音交互不仅需要处理普通话，也需要面对丰富的地域方言。对于一段方言语音，系统既要判断“说的是哪种方言”，也要准确识别“说了什么”。然而，现有研究采用的方言类别、训练资源和测试集并不统一，系统性能难以直接比较。 近期，西工大音频语音与语言…
算法资讯
19 0 0
【物理仿真篇】基于参量阵扬声器的定向声（二） | 南京大学音频声学实验室（NJU-AALab）近期研究进展
以下文章来源于音频声学实验室NJUAALab 参量阵扬声器（Parametric Array Loudspeaker，PAL）利用强超声波在空气中的非线性相互作用产生高指向性的可听声，为定向声重放与声场控制提供了新的手段。与普通扬声器不同，…
10 0 0
均值说「身份」，方差说「确定性」：U³-xi 用不确定性刷新声纹识别上限
传统声纹识别只估计一个「均值」——一个确定的嵌入点，却从不估计它的「方差」——这个估计到底有多可信。而一段语音里，并不是每一帧都「平等」：噪声、混响、静音都在悄悄稀释说话人的身份线索。这个缺失的方差，正是「不确定性」。本文提出的 U³-xi…
开源算法
28 0 0
TASLP论文分享：联邦音频深伪检测
以下文章来源：生物信息感知与人机交互团队 随着语音合成与生成式人工智能技术快速发展，高质量合成语音在身份冒充、语音诈骗和虚假信息传播等场景中带来了新的安全风险，推动了音频深度伪造检测（Audio Deepfake Detection，ADD…
18 0 0
港科大联合斯坦福开源 YuE2 音乐生成模型！仅一周就斩获 9.7k Star！
AI 做音乐这件事，过去一年我们看着 Suno、Udio 一路高歌，Demo 一个比一个惊艳，价格也一个比一个贵。 然后我们再回头看开源世界——不是模型出不来歌，就是质量差一截，或者干脆闭源让你摸不着它是怎么把词变成旋律的。 最近，港科大、…
开源算法
27 0 0
EMNLP 2026｜Qwen Audio 团队入选论文分享
近日，EMNLP 2026正式公布录用结果，本期分享阿里 Token Foundry Qwen Audio 团队中稿的 3 篇论文，涵盖视频到音频生成、大语言模型推理增强、神经编解码语音合成三大前沿方向。 本次入选的 3 篇论文分别围绕跨模…
算法资讯
37 0 0
网易有道开源流式ASR模型 R2T2，要做语音Agent 的 infra
做过实时语音识别的人，大概率都见过这样一种场景： 你刚说完半句话，屏幕上的字幕已经出来了，但再多说几个字，前面的内容突然被改掉。字幕一会儿增加、一会儿回滚，甚至整句话重新刷新。如果只是看字幕，这可能只是“有点闪”。但当ASR的输出开始直接连…
算法资讯
45 0 0
Zipper-LoRA：面向 Speech-LLM 多语种语音识别的动态参数解耦方法
近年来，大语言模型（LLM）与语音编码器结合形成的 Speech-LLM 在自动语音识别（ASR）领域取得了显著进展。然而，大规模 Speech-LLM 通常拥有数十亿参数，直接针对不同语言进行全参数微调，不仅训练成本高，而且难以扩展到大量…
37 0 0
ACM TAAS论文分享：基于脑电的想象语音重建
近日，IIP-HCI实验室关于基于脑电的想象语音重建的最新研究成果被国际学术期刊 ACM TAAS 接收。期刊全称为 ACM Transactions on Autonomous and Adaptive Systems，由国际计算机学会（…
15 0 0