大模型破译甲骨文创下新SOTA！复旦团队推出新框架
来源丨量子位 让大模型破译从未见过的甲骨文，准确率拿下新SOTA！ 自复旦大学的研究人员提出了一种基于部首和象形分析的可解释甲骨文破译框架—— 不仅在公开基准数据集HUST-OBC和EV-OBC上，达到最先进的Top-10识别准确率以及优异…
14 0 0
声浪
WenetSpeech-Yue: 首个具有多维度标注的大规模粤语语音语料库开源！
语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 8490 万母语使用者的粤语而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终不…
25 1 0
![语音/音频处理学术速递[9.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-19/1968925431700787200.jpg)
利用 ARM NEON 指令集加速：端侧 FFT 的高效实现
今天介绍下工程方法的内容，在移动设备和嵌入式系统中，高效的数字信号处理（DSP）算法至关重要。快速傅里叶变换（FFT）作为核心算法之一，其性能直接影响到音频处理、图像分析、通信等多个应用领域。本文将介绍一个在端侧计算十分高效基于NEON的F…
25 0 0
![语音/音频处理学术速递[9.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-05/1963902492966260736.jpg)
“AI 正回应时，也可随时打断？”揭秘 GPT Realtime × Gemini 的“全双工魔力”，都离不开它！
最近，OpenAI 的 GPT Realtime 和 Google 的 Gemini 2.5 接连亮相，给语音助手带来了「真正的“实时对话”」体验 —— 你说一句，它就秒接；它正说，你也能随时打断，回应自然不尬聊。这才是真正像人一样“插话”…
34 0 0
![语音/音频处理学术速递[9.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-05/1963870317126488064.jpg)
全球首发｜声智发布金融声学AI模型，解码市场「隐形风险信号」
SoundAI公司近期发表在arXiv上的前沿研究《The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatil…
30 0 0
听见空间：ASAudio 空间音频表示、理解与生成的全景综述
近几年，空间音频从“更高质量到音频”走向“可被理解与生成的三维声场”。它不只是把声音变“立体”，而是让系统理解声源的方位、距离、运动，并能按需生成。在AR/VR、影视、游戏与交互内容的牵引下，研究重心也从传统的信号级处理迈向多模态、可控生成…
29 0 0
超越谷歌Perch 2.0的广谱感知力，声智声学模型让AI听见物理世界
谷歌近期发布的Perch 2.0生物声学模型，通过识别海洋生物和鸟类的声音，展示了AI在特定声学领域的巨大潜力。然而，这仅仅是一个开始。与Perch 2.0的专一性不同，声智科技正在打造一个更为宏大且通用的“AI耳朵”，其声音事件和情感识别…
19 0 0