北大联合小红书提出Uni-Instruct：ImageNet单步生图FID进入1.0时代！
近年来，单步扩散模型因其出色的生成性能和极高的推理效率，在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏，最小化学生模型与教师扩散模型之间的分布差异。然而，现有的方法主要集中在两条平行的理论技术路线上： 基于…
42 0 0
声浪
![语音/音频处理学术速递[10.28]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-30/1983721724562247680.jpg)
为什么服务几亿用户的互联网大厂，语音团队只有几个人？
近年来，语音技术一度被推上风口，不少企业纷纷投入资源自研相关能力。然而从实际应用和商业回报来看，语音为产品带来的真实收益，往往远低于管理者最初的预期。如果用一句话总结原因，那就是： 语音为产品带来的收益，远低于决策者在办公室里的预期！ 详细…
65 0 0
美团开源13.6B通用视频生成大模型，能文生视频、图生视频、还能续写！
AI视频生成这一年来太卷了。从OpenAI的Sora、Kuaishou的可灵、到字节的即梦，我们几乎每隔一段时间就能看到一款“要革影视行业命”的视频模型问世。而这一次，轮到「美团」出手。 美团团队刚刚在 GitHub 上开源了一款名为Lon…
53 0 0
![语音/音频处理学术速递[10.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-27/1982733743999291392.jpg)
东大外院陈彧教授团队在病理语言学权威期刊发表论文，揭示语前聋成人汉语声调产出困难
美东时间2025年10月24日，东南大学外国语学院博士生导师陈彧教授和博士生王一诺、及加拿大维多利亚大学语言学系Sonya Bird教授题为Mandarin Tone Production in Prelingually Deaf Adul…
37 0 0
语音 AI 公司 Sesame 再获 2.5 亿美元融资，对话式AI眼镜内嵌“情商”语音助手
来源丨RTE开发者社区、首席智能官 由 Oculus 联合创始人创立的 AI 公司「Sesame」宣布完成由红杉资本 (Sequoia Capital) 和 Spark 共同领投的 2.5 亿美元 B 轮融资。 该公司正致力于构建一个极具表…
67 0 0
中文唇读总动员：CNVSRC 2025 研讨会圆满落幕
10月18日下午，NCMMSC-CNVSRC 2025 学术研讨会在江苏镇江召开的第二十届全国人机语音通讯学术会议（NCMMSC 2025）上举行。会上公布了本次视觉语音识别竞赛 CNVSRC 2025 的最终结果，并举行了颁奖仪式。 本次…
43 0 0
UniFlow-Audio：支持多模态输入的通用音频生成框架
UniFlow-Audio: Unified Flow Matching for Audio Generation from Omni-Modalities 作者：徐薛楠¹，梅嘉豪²⁵，郑子豪¹²，陶也¹²，谢泽宇³，张耀匀²，刘濠赫⁴，吴…
56 0 0
![语音/音频处理学术速递[10.24]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-10-27/1982631009061048320.jpg)