全球首个 AI 肺音套件：TytoCare 获得 FDA 批准
TytoCare作为虚拟护理领域的创新企业，专注于为家庭环境提供高效的基础医疗服务。近日，该公司取得重要突破——其Tyto Insights™系统的哮鸣音检测功能获得FDA批准，这意味着TytoCare成为全球首家实现AI技术全面检测三种主…
14 0 0
声浪
![语音/音频处理学术速递[4.21]](https://api.speechhome.com/Resources/Thumb/2025-04-21/1914244909704024064.jpg)
开源语音合成&声音克隆系统：MegaTTS3，仅0.45B参数，中英文混合无缝切换。
今天分享一个声音克隆及语音合成系统——MegaTTS3 MegaTTS3 是由字节跳动与浙江大学联合推出的开源语音合成工具，主模型仅有 0.45B 参数，具备高度轻量化优势。支持超高质量的语音克隆，能在 Huggingface Demo 体…
14 0 0
字节开源智能体模型 UI-TARS-1.5，全面达到SOTA
昨天字节开源多模态智能体 UI-TARS-1.5，这是一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。 GitHub：https://github.com/bytedance/UI-TARS Website：…
13 0 0
![语音/音频处理学术速递[4.18]](https://api.speechhome.com/Resources/Thumb/2025-04-21/1914245043640733696.jpg)
自动语音识别系统有望使语言测试更易于访问和扩展
来源丨21db声学人 在当今这个日益互联互通的世界里，语言学习对于教育、商业以及文化交流而言已变得至关重要。然而，准确衡量语言学习者的熟练程度是一个复杂的问题。一种有价值的方法是让学习者听句子，然后尽可能准确地重复出来，这种方法被称为 “诱…
16 0 0
![语音/音频处理学术速递[4.17]](https://api.speechhome.com/Resources/Thumb/2025-04-17/1912779032936714240.jpg)
「交交」媲美 GPT-4o！上交大推出口语对话情感大模型，首个纯学术界自研！
智能语音交互领域，学术研究也能如此酷炫。全球首个纯学术界自研的支持多人实时口语对话的语音情感大模型 ——“交交”，正式推出！ “交交” 由上海交通大学听觉认知与计算声学实验室倾力打造，它不仅是一个智能语音助手，更是一个多说话人、多语言、多角…
15 0 0
遥感多任务新标杆！Falcon：0.7B参数横扫14任务，560万图像数据集全开源
本文将为大家介绍“Falcon: A Remote Sensing Vision-Language Foundation Model”（Falcon:遥感视觉语言基础模型）。 Title：Falcon: A Remote Sensing V…
16 0 0
海豚语言被谷歌大模型破译！跨物种交流大门打开，哈萨比斯：下一个是狗
量子位 | 公众号 QbitAI 神奇！人类和海豚真的能实现跨物种交流了？当地时间4月14日（也是世界海豚日），谷歌CEO皮猜激动官宣： 隆重推出DolphinGemma，基于多年积累的海豚声音数据训练而成，有助于实现跨物种交流。 划重点，…
13 0 0