声浪

语音小管家

转载8 months ago

标题：MoE Adapter for Large Audio Language Models: Sparsity, Disentanglement, and Gradient-Conflict-Free 链接：https://arxiv.o…

语音小管家

转载8 months ago

白铂 博士，华为 2012 实验室理论研究部主任 信息论首席科学家 引 言 本篇是《大模型的第一性原理》系列解读文章的第二篇（点击回顾第一篇），我们将从信号处理的角度解读原论文[1]。重点探讨语义向量化背后的信号处理和信息论原理，并从时间序…

语音小管家

转载8 months ago

来源丨机器之心 昨天，上海创智学院 OpenMOSS 团队联合初创公司模思智能（MOSI），正式发布了端到端音视频生成模型 —— MOVA（MOSS-Video-and-Audio）。 作为中国首个高性能开源音视频模型，MOVA 实现了真正…

语音小管家

转载8 months ago

来源丨千问Qwen 昨天，阿里正式开源Qwen3-ASR系列模型！ Qwen3-ASR是由Qwen开发的一系列功能强大的语音识别模型，包括两个强大且全面的语音识别模型 Qwen3-ASR-1.7B 与 Qwen3-ASR-0.6B，以及一个…

语音小管家

转载9 months ago

项目资源 代码 & 语音样例：https://github.com/SirryChen/SpeechMedAssist 论文链接：https://arxiv.org/abs/2601.04638v1 Demo：https://speech.…

语音小管家

转载9 months ago

来源丨新智元 今天，MiniMax Music 2.5 震撼发布，凭借「格莱美级」音质和极致拟真人声，开创 AI 音乐新天花板。它不仅彻底消除中文演唱的「洋味儿」，更支持 14 种以上的结构标签精准控制。懂中文、懂音乐、更懂人性，这一波中国…

语音小管家

转载9 months ago

本文来源丨Amphion 当语音大模型（SLM）从“个人设备”走向“智能家居/车载/公共服务”等多人共享场景时，新的风险出现了：模型可能将用户A的私密日程、隐私信息，误传给用户B。简单来说，语音助手需要明确 “哪些话能说、该对谁说”，团队称…

语音小管家

转载9 months ago

本文来源丨蚂蚁灵波科技 从3000小时到整整20000小时。真实世界数据里的Scaling Law，直接喂出了个最强VLA（Vision-Language-Action）基座模型！ 这就是蚂蚁灵波今天开源的具身智能基座模型——LingBot…