![语音/音频处理学术速递[3.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-05/2029460752422801408.png)
声浪
语音降噪风雨六十载（上）——传统信号处理黄金时代
语音降噪是语音信号处理里面的一个经典领域，距离Schroeder在1965年首次提出语音降噪概念，距今已经60多年。在这60多年里，语音降噪从信号处理走向深度学习，对语音质量提升了一次又一次。语音降噪的目标是从麦克风接收的信号提取干净的语音…
27 0 0
小红书开源FireRed-OCR，2B 参数登顶文档解析榜单
来自小红书超级智能团队的FireRed-OCR，以仅 20 亿参数的轻量模型，在权威文档解析基准 OmniDocBench v1.5 上拿下端到端方案第一，综合得分 92.94%，超越 Gemini 3.0 Pro、DeepSeek-OCR…
33 0 0
![语音/音频处理学术速递[3.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-04/2029108830834659328.png)
面向聋人和听障人士的AI音频字幕技术发展
来源丨AI音频时代 新泽西理工学院（NJIT）和纽约大学（NYU）的研究人员正在通过一项新资助的项目，共同在数字无障碍领域取得突破性进展，该项目旨在让在线视频内容对聋人和听力障碍（DHH）观众更具包容性。 在未来三年内，凭借美国国家科学基金…
21 0 0
![语音/音频处理学术速递[3.3]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-03/2028753052483325952.png)
OpenAI要跳过5.3，直接迈向GPT-5.4了？
来源丨机器之心 OpenAI 要略过 GPT-5.3，直接迈向 GPT-5.4 了？ 近日，一名 OpenAI 工程师在公开的 Codex GitHub 仓库中提交了一则拉取请求（PR），无意间让 GPT-5.4 这一型号出现在代码版本判断…
28 0 0
![语音/音频处理学术速递[3.2]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-02/2028380756086231040.png)
通义最新发布语音双模型，一句话即可自由生成！
在传统语音生成中，表达方式往往依赖预设标签，例如： 固定情绪选项 预定义语气类别 限定风格模板 用户只能在有限选项中选择，而难以进行更自由、细腻的表达控制。 FreeStyle 新范式的核心突破在于 不再依赖固定标签，而是支持通过自然语言指…
36 0 0
百度开源轻量级音频大模型Eureka-Audio
标题：Eureka-Audio: Triggering Audio Intelligence in Compact Language Models 链接：https://arxiv.org/pdf/2602.13954 发表日期：2026年…
47 0 0