【交我学-42】从固定 LoRA 到结构化低秩适配：面向多语种低资源 ASR 的参数高效微调
近年来，以 Whisper 为代表的语音基础模型显著提升了多语种自动语音识别（Automatic Speech Recognition, ASR）的泛化能力，使同一模型能够覆盖多种语言、口音和语音场景。然而，当模型需要继续适配低资源语言、儿…
18 0 0
声浪
【交我学-40】不止于“听得见”：端到端空间音频生成的最新进展
AudioCC交我学 今天，我们探讨一下如何让生成的声音准确地“落”在正确的方位。 过去两年，文本生成音频已经相当成熟，但绝大多数模型交付的仍是单通道音频——它解决了“发出什么声音”，却回避了“声音从哪里来”。而在 VR/AR、具身智能、影…
242 0 0
语音增强中的幻觉现象：从生成伪影到音频大模型可靠性
本来来源：AudioCC交我学 过去几年，语音增强（Speech Enhancement，SE）正在从传统的降噪、去混响和信号映射，走向扩散模型（diffusion model）、流匹配（flow matching）和语言模型（Langua…
199 0 0
【交我学-38】语音识别中的强化学习
AudioCC交我学 今天我们来聊一聊，自动语音识别 (Automatic Speech Recognition, ASR) 中的强化学习是怎么做的？ 近年来，大语言模型的快速发展，使得"预训练—监督微调—强化学习"逐渐成为构建智能系统的主…
76 0 0
InterSpeech 2026｜TF-MoE：面向低算力语音分离的时频专家混合模型
本期将介绍上海交通大学听觉认知与计算声学实验与 Microsoft Research Asia 合作完成的论文 TF-MoE: Time-Frequency Mixture-of-Experts for Efficient Speech S…
37 0 0
ACL 2026 | 超越句子级标签：融合对话上下文与个人经历的自然情感语音合成
ACL(Annual Meeting of the Association for Computational Linguistics)是计算语言学与自然语言处理(NLP)领域最具影响力的国际学术会议之一,每年汇聚全球顶尖学者、研究机构与工…
46 0 0
【交我学-37】从“听见”到“听懂”：多模态基础模型中的音频推理综述
AudioCC交我学 这一期我们想聊的不是某一个具体模型，而是一个最近越来越绕不开的问题：当语音大模型、音频大模型和 omni 模型都开始变强之后，模型到底有没有真的“听懂”声音？ 过去几年，大家更熟悉的是 ASR、audio captio…
37 0 0
ACL 2026 | 一种以数据为中心的可泛化语音深度伪造检测方法
ACL (Annual Meeting of the Association for Computational Linguistics) 是计算语言学与自然语言处理（NLP）领域最具影响力的国际学术会议之一，每年汇聚全球顶尖学者、研究机构…
36 0 0
【交我学-33】语音增强中的自监督学习： 从无配对训练到基础模型先验
AudioCC交我学 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，分享技术创新与应用实践的最新动态。…
31 0 0
【交我学-33】从"对口型"到"数字人" 音频驱动虚拟人合成技术全景解析
AudioCC交我学 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，分享技术创新与应用实践的最新动态。…
45 0 0