![语音/音频处理学术速递[8.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-19/1957732529016541184.jpg)
声浪
3.9K 标星！DINOv3：零标注也能学的通用图像识别模型！
在计算机视觉领域，标注数据一直是“刚需”。但人工标注不仅费时费力，还存在主观偏差，尤其在医学影像、卫星图像等专业领域，更是难以规模化获取高质量标注数据。 为了解决这个痛点，Meta AI 近日正式开源了全新一代通用图像识别模型：DINOv3…
17 0 0
ICASSP 2026 新规：作者不到场，论文直接撤！
距离ICASSP 2026的截稿时间还剩30天！ 想必大家现在正在争分夺秒地调整和优化论文。 但是，今天上官网看了一下最新公布的信息，发现ICASSP颁布了不止一项新规，但是，其中最值得注意的就是这一条。 官方的意思就是，凡是被录用的论文，…
19 0 0
![语音/音频处理学术速递[8.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-19/1957712138260844544.jpg)
![语音/音频处理学术速递[8.15]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-15/1956285027578941440.jpg)
腾讯AI Lab与港科大：智能体与语音融合研究成果分享
来源丨腾讯AI实验室 最近腾讯AI Lab和香港科技大学（广州）合作发布了两项智能体与语音研究结合的研究成果，并入选国际学术顶会，以下是项目的介绍，分享给大家。 AudioGenie:一个多样化多模态到多音频生成的无需训练的多智能体框架 P…
26 0 0
ASRU2025丨NPU-ASLP实验室6篇论文录用分享
作为语音相关研究领域的旗舰国际会议，ASRU2025（IEEE Workshop on Automatic Speech Recognition and Understanding）将于12月6-10日在夏威夷檀香山举办。IEEE ASRU…
23 0 0
![语音/音频处理学术速递[8.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-15/1956284922230607872.jpg)
跨模态对齐+流式单码本！SecoustiCodec语音编解码新范式——快手/天大/自动化所/清华联合发布
快手科技、天津大学、中科院自动化所与清华大学联合发布了SecoustiCodec，一种跨模态对齐的流式单码本语音Codec。支持语义信息、副语言信息、声学信息的独立编码与重构。可以应用于语音合成、语音对话模型等生成式语音任务。 论文题目：S…
27 0 0
谷歌开源模型Perch2.0，理解上万种物种声音识别
来源丨本原智数、HyperAI超神经 近日，谷歌DeepMind正式发布并开源了全新的生物声学模型Perch 2.0。相较于前代，Perch 2.0 以物种分类为核心训练任务，不仅纳入了更多非鸟类类群的训练数据，还采用了全新的数据增强策略与…
23 0 0