阿里开源推理大模型QwQ-32B-Preview：能力接近o1-mini，复杂推理测评结果超过GPT-4o！开源免费商用！
随着OpenAI发布推理大模型o1，专注于推理能力的大模型开始被广泛关注。基于思维链探索的推理大模型也不断涌现。此前，DeepSeekAI与上海人工智能实验室都发布过推理大模型，也展现了很不错的推理能力，虽然DeepSeekAI官方承诺该模…
17 0 0
声浪
WebRTC 创建者刚加入了 OpenAI，他是如何思考语音 AI 的未来？
WebRTC 的早期创建者之一，Fixie.ai 联合创始人兼 CTO Justin Uberti 近日宣布加入 OpenAI，领导实时 AI （Real-Time AI）项目的开发。 Uberti 在 2011 年于 Google 参与创…
19 0 0
![语音/音频处理学术速递[11.28]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-29/1862324322220249088.jpg)
神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！
本文将深入剖析 OuteTTS-0.1-350M 的技术细节、功能特性、应用场景以及使用方法，带您全面了解这款模型的魅力所在。 官方博客：https://www.outeai.com/blog/OuteTTS-0.1-350M GitHub…
20 0 0
一文看尽Meta开源大礼包！全面覆盖语音、文本、图像分割等
来源丨新智元 Meta最近开源了多个AI项目，包括多模态语言模型Spirit LM、自学评估器和改进的跨语言句子编码器Mexma、图像分割模型SAM 2.1等，提升了语音识别领域和AI在图像处理的能力，进一步推动了AI研究的进展。 开源绝对…
17 0 0
![语音/音频处理学术速递[11.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-27/1861701473344294912.jpg)
第二届语音对话与听觉处理前沿进展研讨会议题与承办方征集通知
一、研讨会背景 为了更好地推动语音对话与听觉处理领域的深入交流与前沿研究，由中国计算机学会（CCF）语音对话与听觉专委会现向全社会业界同仁征集第二届语音对话与听觉处理前沿进展研讨会（RASDAP2025, Recent Advances o…
6 0 0
Nature Electronics | 头戴式耳机产生声音气泡以增强听觉
来源丨医工学人 美国华盛顿大学Tuochao Chen, Malek Itani，Shyamnath Gollakota等提出了一种产生声音气泡的智能耳机系统。他们称之为 Sound Bubble，能够抑制 1-2 米虚拟气泡之外的任何噪音…
7 0 0
![语音/音频处理学术速递[11.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-27/1861701656727654400.jpg)
Meta发布多轮多语言基准Multi-IF：覆盖8种语言，超4500种任务
来源丨新智元 Meta全新发布的基准Multi-IF涵盖八种语言、4501个三轮对话任务，全面揭示了当前LLM在复杂多轮、多语言场景中的挑战。所有模型在多轮对话中表现显著衰减，表现最佳的o1-preview模型在三轮对话的准确率从87.7%…
14 0 0