硅谷热议：最快语音转文字模型
来源丨量子位 最强语音转文字模型，正在硅谷被热议。 直接把“快、 准、全”三个字拉到了新高度。 来自AI语音独角兽公司ElevenLabs，刚刚发布了Scribe v2 Realtime实时语音转文本模型，网友表示：Next-Level。…
36 0 0
声浪
Meta开源多语言语音识别系统，支持1600种语言，可轻松扩展新语种！
来源丨新智元、开源星探 Meta发布了Omnilingual ASR系统，一个可自动识别转录1600多种语言语音的AI模型族，让几乎所有人类语言都能被机器「听懂」。 语音识别（ASR）一直是 AI 语音领域的“硬骨头”。在世界上7000多种…
29 0 0
![语音/音频处理学术速递[11.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-12/1988544792472195072.jpg)
语音大模型对齐思路创新： TASU仅通过纯文本数据，大幅提升SLM的语音零样本性能
论文题目：《TASU: Text-Only Alignment for Speech Understanding》 原文链接：https://arxiv.org/pdf/2511.03310 这篇论文是上交大和思必驰等合作，提出了一个叫TA…
25 0 0
![语音/音频处理学术速递[11.11]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-12/1988545000501284864.jpg)
关于未来语音技术和应用趋势的10点看法
来源丨AI语音AI思考 任何一项新技术，都是螺旋式上升的。技术产生→催生应用创新→反哺技术→ 应用迭代→技术再升级……。语音技术，从2013年前的HMM-GMM为主导的语音识别（HTK上古工具包）和语音合成（HTS），到DNN的时代的Kal…
33 0 0
Maya1：开源语音合成模型，支持20+情绪，免费可商用
Maya1由 Maya Research 团队 推出的开源语音模型，一个专为生成富有情感和精确语音设计的语音模型。它能够通过自然语言描述进行语音设计，支持超过20种情感表达，如笑、哭、低语、愤怒等。 Hugging Face：https:/…
35 0 0
![语音/音频处理学术速递[11.10]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-10/1987810971489538048.jpg)
![语音/音频处理学术速递[11.7]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-10/1987812069130506240.jpg)
语音大模型综述：全面解读口语语音大模型（SLM）的发展历程与未来挑战
前言：今天arxiv发消息，CS板块不再接收未经同行评审的综述类文章，不好评论，只记得十年前，综述都是顶刊邀请，IEEE Fellow坐镇，再加上几个Senior，几年才有一篇，当宝贝一样来回读，近几年综述是挺多的。。。以后既然不再接收新的…
40 0 0