基于命名实体知识与注意力聚合的鲁棒局部音频深度伪造检测
本次分享内容为内蒙古大学23 级硕士研究生 鲜鹄鸿、内蒙古大学刘瑞教授与美国约翰霍普金斯大学 Berrak Sisman、香港中文大学（深圳）/河套学院 李海洲教授合作发表于 APSIPA ASC 2025 的工作《NE-PADD: Lev…
42 0 0
声浪
![语音/音频处理学术速递[4.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-22/2046838440347176960.png)
Qwen3.5-Omni 技术报告：10 小时音频 + 400 秒视频通吃，ARIA 流式语音秒级响应
论文标题: Qwen3.5-Omni Technical Report 论文链接: https://arxiv.org/abs/2604.15804v1 代码链接: https://modelscope.cn/studios/Qwen/Qw…
58 0 0
IEEE-TASLP 基于双路检索深度差异建模的音频深度伪造检测
本次分享由内蒙古大学24级博士生张锦华、内蒙古大学刘瑞教授与香港中文大学（深圳）/ 深圳河套学院 李海洲教授合作发表在IEEE Transactions on Audio, Speech and Language Processing 20…
36 0 0
![语音/音频处理学术速递[4.21]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-21/2046534388082151424.png)
通义发布语音识别大模型Fun-ASR1.5，懂方言，通诗词，精通30国语言
通义实验室正式推出 Fun-ASR1.5， 实现了「方言工业级可用」的语音识别大模型 。 它基于统一的大模型架构，单模型即可无缝覆盖30种语言、汉语七大方言体系及20+地方口音，古诗词吟诵也能精准转写。测试显示，典型方言场景字错误率（CER…
62 0 0
微信 Audio-Omni：一个模型通吃声音 / 音乐 / 语音，理解生成编辑全搞定，7.9B 参数碾压专用模型
论文链接: https://arxiv.org/abs/2604.10708v1 代码链接: https://zeyuet.github.io/Audio-Omni 发表会议: arxiv Sora 带火了视频生成，但音频 AI 却一直深陷…
75 0 0
![语音/音频处理学术速递[4.20]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-20/2046107462125359104.png)
字节Seedance 2.0公布细节，真实世界复杂度生成新标杆
论文标题：Seedance 2.0: Advancing Video Generation for World Complexity 论文链接：https://arxiv.org/abs/2604.14148v1 代码链接：https://…
77 0 0
ICASSP 2026 | 面向片段感知学习的语音深度伪造定位方法
随着语音合成与语音转换技术的快速发展，语音深度伪造(Speech Deepfake)正变得愈发逼真与普及。从早期的整句生成，到如今更具隐蔽性的局部篡改(Partial Spoofing)，攻击者可以仅修改语音中的关键片段(如数字、人名或关键…
53 0 0