声浪

语音小管家

原创8 months ago

从多人对话中的语调起伏与逻辑重心，到环境音背后隐藏的空间几何与物体运动轨迹，再到复杂音乐中演奏技法与艺术情感的深层关联，音频理解不应止于结果的预测。为了透明评估音频模型的推理过程质量，避免通过语言偏见、训练数据偏见或错误的方法“猜中”答案，…

语音小管家

转载8 months ago

大年三十，当全国人民都在忙着包饺子、看春晚、抢红包的时候，阿里通义实验室却悄无声息地在 GitHub 上丢下了一枚“核弹”。 没有预热，没有发布会，Qwen3.5就这样在除夕夜正式发布了。 当我们还在讨论 DeepSeek 的性价比、GPT…

语音小管家

原创8 months ago

近期，厦门大学、联合浙江大学、香港中文大学（深圳）的研究员发表了一篇题为“WavBench: Benchmarking Reasoning, Colloquialism, and Paralinguistics for End-to-End…

语音小管家

原创8 months ago

在大语言模型（LLM）的演进中，文本分词器（Tokenizer）作为离散接口，为模型的压缩、理解、生成与上下文学习奠定了基石。然而，在音频领域，如何构建一个简单、同构且具备强大扩展潜力（Scalable）的离散接口，依然是通往“原生音频大模…

语音小管家

转载8 months ago

今天，豆包大模型正式进入2.0阶段。 随着Agent时代到来，大模型将在现实世界发挥更大作用。豆包2.0（Doubao-Seed-2.0）围绕大规模生产环境下的使用需求做了系统性优化，依托高效推理、多模态理解与复杂指令执行能力，更好地完成真…

语音小管家

转载8 months ago

2月10日，由上海创智学院孵化的模思智能及OpenMOSS团队正式发布并开源了MOSS-TTS Family。模型发布后，壁仞科技（06082.HK）旗舰产品壁砺™ 166M率先完成其中语音生成基座MOSS-TTS模型的高性能推理部署。作为…