![语音/音频处理学术速递[10.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-09/1976221035372089344.jpg)
声浪
蚂蚁 Ling-1T 开源：基础语言模型、1T参数、MoE架构｜所有信息都在这了
蚂蚁的 Ling-1T终于发了，大半夜的 中文叫百灵，1T 参数，Instruct 版本、非推理、MoE架构 HuggingFace：https://huggingface.co/inclusionAI/Ling-1T GitHub：htt…
26 0 0
开源AI教育视频生成神器，3Blue1Brown风教学动画一键搞定！
在互联网教育的浪潮中，教学视频已经成为知识传播的重要媒介。从数学、物理到计算机科学，优秀的动画讲解往往能让复杂知识瞬间变得清晰易懂。 比如大家熟知的 3Blue1Brown，通过精美的数学动画，把抽象的概念变得直观而优雅。 最近，新加坡国立…
22 0 0
吴恩达执教的深度学习课程CS230秋季上新，新增GPT-5专题
来源丨机器之心 吴恩达 (Andrew Ng) 执教的斯坦福 CS230 深度学习旗舰课程已更新至 2025 秋季版，首讲视频现已公开！ 课程采用翻转课堂模式，学生需提前观看 Coursera 上的 deeplearning.ai 专项课程…
23 0 0
![语音/音频处理学术速递[10.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-11/1976925218609958912.jpg)
南洋理工&腾讯最新 Rolling Forcing 解决流视频生成长期误差累积，连贯如一且长达数分钟！
论文链接：https://arxiv.org/pdf/2509.25161 项目链接：https://kunhao-liu.github.io/Rolling_Forcing_Webpage/ 图 1：Rolling Forcing 可在单…
21 0 0
![语音/音频处理学术速递[10.7]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-09/1976220839678447616.jpg)
语音“PS”来了！蚂蚁又放大招，ASR+TTS+编辑的全能语音模型开源了！
在大模型的浪潮下，语音领域也正迎来“整合与统一”的趋势。 过去我们往往需要分别调用不同的模型来完成语音识别（ASR）、语音生成（TTS）和语音编辑等任务，不仅开发成本高，而且在真实业务中很难实现流畅的衔接。 而这一次，阿里蚂蚁团队直接给出了…
35 0 0
阿里重磅开源：端到端VLM文档解析模型，图片直出结构化HTML！
在 AI 文字识别类应用的落地过程中，有一个被低估却非常关键的环节：文档解析。 无论是科研、金融、法律，还是教育、医药、制造业，日常处理的海量文档里，总有一大类以 PDF、扫描件、图片的形式存在。 要想把它们转化为 AI 可用的知识，需要先…
25 0 0
NeurIPS 2025丨上海交通大学跨媒体语言智能实验室5篇录用论文分享
NeurIPS，即神经信息处理系统大会（Conference on Neural Information Processing Systems），是由神经信息处理系统基金会（NeurIPS Foundation）主办的全球机器学习与人工智能…
29 0 0