重磅开源！通义首个深度研究Agent模型DeepResearch来了
来源丨阿里云 近日，通义首个深度研究Agent模型DeepResearch正式开源。该模型参数仅30B（激活3B），在多个权威评测集上取得SOTA成绩，超越众多顶级Agent模型。 目前，通义DeepResearch的模型、框架和方案均已全…
24 0 0
声浪
![语音/音频处理学术速递[9.17]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-19/1968928214864760832.jpg)
FireRedTTS-2：小红书开源语音模型，3分钟生成4人对话！
最近小红书团队放出了一个具有突破性意义的 TTS 开源项目 FireRedTTS-2 。它是一款专门面向多人对话场景的 TTS（Text-to-Speech）模型。 FireRedTTS-2是一种长形式流式TTS系统，专注于多人对话生成，采…
27 0 0
阿里发布 FunAudio-ASR 端到端语音识别大模型
阿里巴巴通义实验室推出了FunAudio-ASR端到端语音识别大模型。这款模型通过创新的Context模块，针对性优化了“幻觉”、“串语种”等关键问题，在高噪声的场景下，幻觉率从78.5%下降至10.7%，下降幅度接近70%。 FunAud…
31 0 0
【通知】第二十二届全国人机语音通讯学术会议承办方征集通知
全国人机语音通讯学术会议（National Conference on Man-Machine Speech Communication，简称NCMMSC），是我国语音科学和技术领域广大专家、学者及科研工作者开展学术研讨与产学交流的重要平台…
17 0 0
![语音/音频处理学术速递[9.16]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-19/1968928035260469248.jpg)
逻辑智能｜全球首个语音语言模型开源全家桶 LLaSO 来了
语音语言模型（LSLM）领域长期面临碎片化发展困境：架构路径各异、训练数据私有、评估标准缺失，这些问题严重阻碍了技术进步和公平比较。近日，北京深度逻辑智能科技有限公司推出LLaSO——全球首个完全开源的端到端语音语言模型研究框架，旨在为LS…
22 0 0
Stable Audio 2.5丨企业级音频生成AI模型，3分钟曲目2秒钟完成
来源丨AI音频时代 人工智能研究实验室Stability AI正式推出企业级音频生成模型Stable Audio 2.5。也是首款针对企业级用例开发的模型。 Stable Audio 2.5在音频细节处理、生成速度、音乐结构完整性以及功能拓…
24 0 0
![语音/音频处理学术速递[9.15]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-19/1968927874526351360.jpg)
Voices 推出首个用于语音 AI 训练的角色音频数据集
来源丨AI音频时代 语音技术及数据服务提供商Voices近日推出了一款面向AI训练的角色语音数据集。该数据集包含超过450种角色类型，由专业配音演员参与录制，覆盖了包括1920年代时髦女性、军事教官和老年巫师在内的多种形象。 据发布信息显示…
18 0 0