ICME 2026 | SongFormer：让AI听懂歌曲的"起承转合"！超快超准标注神器+万首歌曲数据集重磅开源
歌曲结构标注（MSA）是一种能够识别歌曲中具有功能意义的段落（如前奏、主歌、副歌）并精准检测其边界的技术，正日益成为音乐理解和可控音乐生成的重要支撑技术。然而，现有的 MSA 方法通常由于训练数据规模有限、标注不一致、依赖复杂预处理流程等原…
33 0 0
声浪
ICME 2026 | SenSE：语义感知的高保真通用语音增强框架
生成式通用语音增强（Universal Speech Enhancement, USE）旨在利用生成式模型改善各类失真条件下的语音质量。当前主流方法虽能有效提升感知质量，但在语义一致性方面仍面临挑战——生成语音常出现语义偏差、词汇误换或上下…
49 0 0
VoxCPM2：面壁智能开源国产2B语音合成模型
来源丨新智元、AI小展厅 面壁智能2B小模型VoxCPM 2惊艳开源，一众外国网友疯狂了！30种语言与9大方言它是信手拈来，复刻的贺炜激昂解说与徐志胜脱口秀，相似度简直直击灵魂。这哪是工具，分明是降维打击的生产力核武器！ VoxCPM 2，…
38 0 0
语音AI企业的绝佳曝光机会 | ISCSLP 2026 赞助商招募中！
🎯中文口语语言处理国际会议 International Symposium on Chinese Spoken Langauge Processing (ISCSLP) 会议时间：2026年11月14-17日 会议地点：马来西亚·槟城 往…
31 0 0
![语音/音频处理学术速递[4.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-08/2041809911897264128.png)
ICME 2026｜基于细粒度视听证据解耦的鲁棒多模态情感推理
多模态情感分析正经历从静态分类向生成式推理（Generative Reasoning）的深刻范式转变。为了理解复杂的社交互动，系统必须能够综合诸如面部微表情和语音韵律等细粒度信号，以解码潜在的因果逻辑。 近年来，虽然通用多模态大语言模型（如…
32 0 0
南京大学等联合发布开源语音大模型VITA-Qinyu，首发支持角色扮演+哼唱
来源丨paperWeekly 近日，南京大学与腾讯音乐发布开源语音大模型 VITA-Qinyu ，这是业内首款兼具自然对话、高表现力角色扮演与歌唱能力的 开源端到端语音语言模型 （SLM）。目前 VITA-QinYu 的训练代码与模型权重全…
39 0 0
![语音/音频处理学术速递[4.7]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-07/2041457827494629376.png)
AAAI 2026｜多指标偏好对齐，让生成式降噪更好听
语音修复（Speech Restoration）要解决的事很朴素： 把一段“坏掉的语音”修回“听起来像正常录音”的样子。坏的方式很多，比如： 降噪：背景嘶嘶声、风噪、环境噪 去混响：房间回声太大 去削波/爆音（declipping）：录音过…
38 0 0
告别 “聊不到一块去”！港中大提出TurnGuide：让全双工语音大模型兼具“极致拟人”与“满分语商”！
文章链接：https://arxiv.org/pdf/2508.07375 想象一下，当你和AI 语音助手聊天时，它可以像真人一样自然地倾听、适时地“嗯、啊”附和，甚至在你打断它时迅速反应。这就是全双工语音大模型(FD-SLMs)的魅力所在…
40 0 0