复杂识别、多语种、声学前端、传输重构、防伪检测与 Agent 落地:语音 AI 的真实工程实战丨iRTE2026 音频 AI 技术专场回顾
原创24 days ago
复杂识别、多语种、声学前端、传输重构、防伪检测与 Agent 落地:语音 AI 的真实工程实战丨iRTE2026 音频 AI 技术专场回顾

在安静的房间里,你可以轻松地与 AI 对话。但如果站在嘈杂的马路边,对着汽车说一句「打开后备箱」,它还能准确听懂吗?如果身边有几个人同时说话,AI 能否判断谁才是正在向它发出指令的人?如果用户说的是一个生僻地名、带有明显地区口音的普通话或方…

218 0 0
NeurIPS 2026|RAIL:从人类认知能力视角重新审视大型音频语言模型的听觉智能
原创a month ago
NeurIPS 2026|RAIL:从人类认知能力视角重新审视大型音频语言模型的听觉智能

现有音频评测大多按“语音、环境声音、音乐”等输入类型,或“转写、分类、问答”等任务组织。这些分类便于比较模型在具体任务上的表现,却难以说明任务背后的能力需求。同样是音频问答,辨认两个相近的声音、回忆之前出现过的声音,以及根据声音顺序推断事件…

328 0 0
小米开源空间音频理解大模型 MiDashengLM-Spatial
原创a month ago
小米开源空间音频理解大模型 MiDashengLM-Spatial

近年来,大语言模型(Large Language Model, LLM)在语音、图像等多模态领域快速发展,空间智能也成为人工智能的重要方向。空间智能,是机器感知、理解和推理三维物理世界的能力,也是实现全场景智能生态的重要基础。 今天,小米开…

开源算法
363 0 0