![语音/音频处理学术速递[2.6]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-02-09/2020751090345185280.png)
声浪
TASLP 2026 - 声纹密码易被攻击，CODA-OCC 可有效拦截伪装声音
想象这样一个场景：你使用声纹锁保护隐私，攻击者在旁边播放了一段看似普通的陌生人录音（比如一段新闻或别人的谈话）。人耳听不出异样，声纹锁却被“欺骗”并打开了——这就是物理信道（OTA）对抗攻击。 以往，空气中的噪音和回声是天然的屏障，会让这种…
52 0 0
ICASSP 2026｜杭电智能语音课题组3篇录用论文分享
本期分享杭州电子科技大学智能语音课题组在信号处理领域顶级会议ICASSP 2026上录用的3篇论文，入选论文涵盖生成式语音增强、高保真神经音频压缩以及基于最优传输的无监督学习。作为IEEE主办的全球旗舰会议，ICASSP是语音与音频前沿技术…
55 0 0
![语音/音频处理学术速递[2.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-02-05/2019354260243877888.jpg)
ICASSP 2026｜上交大跨媒体语言智能实验室12篇录用论文分享（二）
近日，ICASSP 2026会议发出了审稿结果通知，上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文，本文是第二期。 07、Task Vector in TTS: Toward Emotionally E…
44 0 0
Avignon&剑桥大学：自监督语音模型预训练的数据选择策略研究
标题：A Study Of Data Selection Strategies For Pre-Training Self-Supervised Speech Models 链接：https://arxiv.org/pdf/2601.208…
43 0 0
Soul App开源实时数字人生成模型SoulX-FlashTalk，实现0.87s亚秒级超低延时
近期，Soul App AI团队（Soul AI Lab）开源了实时数字人生成模型SoulX-FlashTalk 。这是首个能够实现0.87s亚秒级超低延时、32fps高帧率，并支持超长视频稳定生成的14B数字人模型。 除了在速度、效果、延…
44 0 0
ICASSP 2026｜上交大跨媒体语言智能实验室12篇录用论文分享（一）
近日，ICASSP 2026会议发出了审稿结果通知，上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文，本文是第一期。 01、Measuring Prosody Diversity inZero-Shot…
35 0 0
ICLR2026 - FlexiVoice：零样本音色克隆 + 自然语言风格指令控制的统一语音生成框架来了
「 现存问题 」 用户在进行指令语音合成时，常常希望用自然语言指令控制情绪、语气、语速等风格，同时又希望用一段参考音频实现零样本音色克隆。但现实中参考音频往往会把自身的情绪与韵律一起“带进来”，文本也可能自带隐含风格，导致模型忽略指令，出现…
49 0 0
WenetSpeech-Wu：“史上最大”的多维度标注吴语语音数据集来啦！
作为汉语分支中极具价值的重要方言，吴语承载着约 1 亿使用者的沟通需求与文化记忆，不仅保留了古汉语全浊辅音系统，更有着复杂的连读变调特征。针对吴语这一类低资源方言的语音处理，并开发稳健的语音技术仍然是一项根本性的挑战。尽管吴语在语言学上具有…
44 0 0