Soul App发布开源模型SoulX-LiveAct：高鲁棒实时交互数字人，双卡低成本流式生成
近日，Soul App AI团队（Soul AI Lab)发布开源模型SoulX-LiveAct。作为新的实时数字人生成方案，SoulX-LiveAct通过 Neighbor Forcing（同扩散步对齐的自回归条件传播）与 ConvKV…
23 0 0
声浪
![语音/音频处理学术速递[3.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-19/2034576448974622720.png)
别再喂给模型“分离人声”了，ANYACCOMP让AI学会只看旋律配伴奏 | ICASSP 2026
Singing Accompaniment Generation（SAG，人声伴奏生成）想做的事很直观：给你一段干净的人声/旋律，模型生成一段和声、节奏匹配的伴奏。 但现实里，很多SAG系统都踩在同一个坑上：它们训练时用的“人声输入”，往往…
19 0 0
![语音/音频处理学术速递[3.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-19/2034576267294150656.png)
开源流式语义状态预测模块：SoulX-Duplug 让半双工系统秒变全双工
近日，Soul App AI 团队（Soul AI Lab）联合上海交通大学 X-LANCE Lab和西北工业大学 ASLP@NPU 团队，正式开源 SoulX-Duplug —— 一款面向 全双工语音对话系统（Full-Duplex Sp…
35 0 0
ICASSP 2026｜首届多语种对话语音大语言模型挑战赛：数据集、任务、基线系统和方法总结
构建稳健的对话语音大语言模型（Speech LLM）在很大程度上依赖于真实的多语种对话语音数据，然而当前此类数据的稀缺对该领域的发展构成了重大挑战。Interspeech2025多语种对话语音语言模型（MLC-SLM）挑战赛旨在通过发布真实…
26 0 0
Fun-CineForge丨通义开源首个支持影视级多场景配音的多模态大模型
通义发布并开源了首个支持影视级多场景配音的多模态大模型Fun-CineForge。此外，还配套开放了高质量数据集的构建方法。通过“数据 + 模型”的一体化设计，Fun-CineForge 正尝试解决影视级 AI 配音长期面临的关键问题。 在…
25 0 0
![语音/音频处理学术速递[3.17]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-19/2034575982911950848.png)
WEST 更新：语音大模型后训练方案来了
WEST 新增了 GRPO 强化学习和 On-Policy Distillation 两个 recipe，支持对 Qwen2-Audio、Qwen2.5-Omni 等音频模型做后训练。GRPO 方案可复现 r1-aqa、Ke-Omni、Om…
40 0 0