![语音/音频处理学术速递[6.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-06-04/1930193191374557184.jpg)
声浪
CVPR 2023 | 基于量化和相位引导的语音驱动自然手势生成
本文由清华大学与华为、香港中文大学合作，研究共语手势（co-speech gesture）的自动生成。语音驱动的手势生成因人类动作的随机抖动和语音与手势之间固有的异步关系而面临重大挑战。为应对这些问题，我们提出了一种新颖的基于量化和相位引导…
17 0 0
吴恩达评AI Agents现状！
来源丨InfoQ 前几天，吴恩达与 LangChain 联合创始人 Harrison Chase 展开了一场对话，而这场对话的背景，正是当前 AI 领域既充满机遇又挑战重重的一个现实。 视频链接：https://www.youtube.co…
23 0 0
单卡也能跑万帧！智源发布Video-XL-2，速度、效果、长度全拉满
来源丨新智元 智源研究院发布开源模型Video-XL-2，显著提升长视频理解能力。该模型在效果、处理长度与速度上全面优化，支持单卡处理万帧视频，编码2048帧仅需12秒。 长视频理解是多模态大模型关键能力之一。尽管OpenAI GPT-4o…
18 0 0
![语音/音频处理学术速递[6.3]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-06-03/1929843544860790784.jpg)
Interspeech2025丨NPU-ASLP实验室11篇录用论文分享
Interspeech 是由国际语音通讯协会组织的语音处理领域旗舰国际会议，作为全球最大的综合性语音处理领域的科技盛会，历届Interspeech会议都备受全球学术界和工业界的广泛关注。第26届Interspeech大会将于2025年8月1…
35 0 0
音效设计进入真AI时代：Waves IlluGen AI文本转音引擎
来源丨AI音频时代 Waves Audio 宣布推出AI驱动的生成式声音生成软件 IlluGen，这是一款新的桌面文本到声音生成器应用程序，可以从文本提示中创建独特的单音、音乐采样以及音效。 人工智能（AI）和订阅制模式是两个容易引发声音人…
19 0 0
![语音/音频处理学术速递[5.30]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-05-30/1928356445863153664.jpg)
感知哈希+滑窗匹配：实现高效音频去重的方法
音频快速去重（音频去重检测）是一项重要任务，尤其在音频内容管理、语音数据清洗、音乐平台内容审核等场景中非常有价值。其目标是在大规模音频库中快速识别出重复或近似重复的音频段。常用的音频去重算法，大致可以分为三大类：1是我们前面介绍过的音频指纹…
23 0 0
阿里开源 QwenLong-L1 长文本推理模型！
阿里开源 QwenLong-L1 长文本推理模型，其 32B 参数版本在七个长上下文文档问答基准测试中表现优异，相较于 DeepSeek-R1-Distill-Qwen-32B 平均提升 7.8%，超过 OpenAI-o3-mini、Qwe…
16 0 0