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
声浪
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://api.speechhome.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://api.speechhome.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
![语音/音频处理学术速递[5.29]](https://api.speechhome.com/Resources/Thumb/2025-05-29/1928012641335382016.jpg)
ICASSP 2025 | 面向属性信息不完备场景的自适应原型学习异常声音检测方法
异常声音检测（Anomalous Sound Detection，ASD）是指在仅知道机器正常工作声音的前提下，判断待测机器声音是否存在异常。近期，清华大学联合上海交通大学、华北电力大学等单位，提出了一种面向工况属性信息不完备场景的自适应原…
19 0 0