![语音/音频处理学术速递[1.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-01-14/2011340826151620608.jpg)
声浪
5.6K Star！原本付费现在开源！本地版“ElevenLabs”，视频翻译+声音克隆全免费！
今天要分享的项目绝对是视频创作者和出海玩家的“年度福音”！ 如果你做过视频本地化，你一定知道这个流程有多痛苦： 你要先分离音轨，再用 ASR 识别字幕，然后翻译，最后用 TTS 配音。 中间还会用到一些 API 高质量的服务，结果下来是不仅…
59 0 0
语音识别中热词增强的N种方法，不训练模型也能做
无论是语音产品的用户，比如经常使用语音输入法、语音转文字或语音聊天功能，还是开发者，都会面临一个问题：各家语音识别 API 都声称自己的识别准确率达到了 98% 以上，可为什么实际用起来感觉识别错误还是很多？“做了这么久，老板的名字都识别不…
71 0 0
![语音/音频处理学术速递[1.13]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-01-13/2011002189505499136.jpg)
AI 语音交互：巨头和创业公司们都在做什么
前几天写了一篇关于语音交互的文章（交互革命：AI 硬件别再死磕“语音”了），大家有不少讨论，于是我特意找了一些聚焦语音交互的 AI 公司和产品，想和大家一起看看，现在做语音交互的公司们都在做什么。 大厂：卷场景，争入口 1. OpenAI：…
62 0 0
空间听觉革命：边缘AI与语音架构的未来
来源丨SmellLikeAISpirit 人机交互（HMI）正在经历一场根本性的架构变革，从依赖云端的僵化命令结构，转向流暢、具备情境感知和空间智能的对话模式。 音频前端（AFE）技术，特别是从传统以硬件为中心的波束成形向软件定义的空间听觉…
56 0 0
OpenAI 揭秘 Tolan 背后 AI 技术：如何让语音智能体拥有连贯记忆和稳定人格？
忘掉是为了记住——为了保持记忆质量，Tolan 每晚都会运行压缩任务，删除低价值或冗余条目（例如「用户今天喝了咖啡」）并解决记忆中的矛盾之处。 哈喽大家好～这是 Voice Agent 学习笔记系列的又一篇深度分享。我是课代表瓒 an👩�…
51 0 0
![语音/音频处理学术速递[1.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-01-12/2010627825710796800.jpg)
阶跃星辰CEO姜大昕确认演讲，微软、Google、小米、小红书、Kimi的专家同台分享Agent实践
Agentic AI Summit 2026将于2026年1月16-17日在中关村展示中心会议中心举办，汇聚500+技术精英，覆盖Agent技术全链路。会议内容设置上，从技术底座层面、开发工具层面、数据工程与记忆系统、可信治理与评估体系，到…
50 0 0
MiniMax今早上市，763亿港元，大模型公司最大规模IPO！开盘前大涨50%
来源丨新智元 MiniMax 终于在今早 9:30 于港交所上市了！截稿时，今早上市的 MiniMax 股价已疯涨近 80%！MiniMax 吸引全球顶级长线加仓香港，引领中国科技股上涨，走出独立行情。MiniMax 仅用 OpenAI 1…
42 0 0