为什么服务几亿用户的互联网大厂，语音团队只有几个人？
近年来，语音技术一度被推上风口，不少企业纷纷投入资源自研相关能力。然而从实际应用和商业回报来看，语音为产品带来的真实收益，往往远低于管理者最初的预期。如果用一句话总结原因，那就是： 语音为产品带来的收益，远低于决策者在办公室里的预期！ 详细…
63 0 0
声浪
美团开源13.6B通用视频生成大模型，能文生视频、图生视频、还能续写！
AI视频生成这一年来太卷了。从OpenAI的Sora、Kuaishou的可灵、到字节的即梦，我们几乎每隔一段时间就能看到一款“要革影视行业命”的视频模型问世。而这一次，轮到「美团」出手。 美团团队刚刚在 GitHub 上开源了一款名为Lon…
48 0 0
![语音/音频处理学术速递[10.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-27/1982733743999291392.jpg)
东大外院陈彧教授团队在病理语言学权威期刊发表论文，揭示语前聋成人汉语声调产出困难
美东时间2025年10月24日，东南大学外国语学院博士生导师陈彧教授和博士生王一诺、及加拿大维多利亚大学语言学系Sonya Bird教授题为Mandarin Tone Production in Prelingually Deaf Adul…
36 0 0
语音 AI 公司 Sesame 再获 2.5 亿美元融资，对话式AI眼镜内嵌“情商”语音助手
来源丨RTE开发者社区、首席智能官 由 Oculus 联合创始人创立的 AI 公司「Sesame」宣布完成由红杉资本 (Sequoia Capital) 和 Spark 共同领投的 2.5 亿美元 B 轮融资。 该公司正致力于构建一个极具表…
59 0 0
中文唇读总动员：CNVSRC 2025 研讨会圆满落幕
10月18日下午，NCMMSC-CNVSRC 2025 学术研讨会在江苏镇江召开的第二十届全国人机语音通讯学术会议（NCMMSC 2025）上举行。会上公布了本次视觉语音识别竞赛 CNVSRC 2025 的最终结果，并举行了颁奖仪式。 本次…
41 0 0
UniFlow-Audio：支持多模态输入的通用音频生成框架
UniFlow-Audio: Unified Flow Matching for Audio Generation from Omni-Modalities 作者：徐薛楠¹，梅嘉豪²⁵，郑子豪¹²，陶也¹²，谢泽宇³，张耀匀²，刘濠赫⁴，吴…
54 0 0
![语音/音频处理学术速递[10.24]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-27/1982631009061048320.jpg)
DiaMoE-TTS：一种基于 MoE 的多方言 TTS 框架
无论是中文的粤语、闽南话、吴语，还是欧洲的荷兰比尔茨语方言、法国奥克语，亦或是非洲和南美的地方语言，方言都承载着独特的音系与文化记忆，是人类语言多样性的重要组成部分。然而，许多方言正在快速消失，语音技术如果不能覆盖这些语言，势必加剧数字鸿沟…
85 0 0
【学会动态】深圳市人工智能学会机器人智能系统专业委员会在南山智慧广场成功举办机器听觉技术沙龙
2025年10月20日下午，由深圳市科学技术协会指导，深圳市人工智能学会主办，深圳市人工智能学会机器人智能系统专业委员会和语音之家联合承办，深圳市华睿欣能投资控股集团有限公司支持的“机器听觉技术沙龙”在南山区智慧广场D栋二楼咖啡厅圆满举办。…
42 0 0