![语音/音频处理学术速递[1.30]](https://api.speechhome.com/Resources/Thumb/2026-02-02/2018266130430431232.jpg)
声浪
创智+模思发布开源版Sora2，电影级音视频同步生成，打破闭源技术垄断
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…
22 0 0
Qwen3-ASR开源：够稳定，能流式，多语言！
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…
28 0 0
SpeechMedAssist | 健康咨询从“打字”走向“对话”，如何让语音大模型听懂病人？
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.…
19 0 0
AI音乐生成模型MiniMax Music 2.5发布：段落级控制 + 物理级高保真
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…
15 0 0
![语音/音频处理学术速递[1.29]](https://api.speechhome.com/Resources/Thumb/2026-01-30/2017064957132279808.jpg)
VoxPrivacy发布: 首个面向语音大模型的交互隐私评测基准
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…
18 0 0
蚂蚁开源最大具身智能基座模型Lingbot-VLA，20000小时真机数据、性能吊打英伟达GR00T和π0.5
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…
25 0 0
![语音/音频处理学术速递[1.28]](https://api.speechhome.com/Resources/Thumb/2026-01-29/2016722924228186112.jpg)
ICASSP 2026｜墨尔本大学 HEART AI LAB 5篇录用论文分享
在即将举行的 ICASSP 2026 中，墨尔本大学 HEART AI LAB 共有五篇论文被正式录用，系统展示了在 Test-Time 自适应与增强策略以及多模态健康智能方向上的最新研究进展。 研究方向概览：Test-Time 自适应与增…
15 0 0