声浪

语音小管家

转载3 months ago

本期分享由国防科技大学、西安邮电大学、北京声学研究所联合编撰的英文学术专著 General Audio Signal Processing with Deep Learning，全书由 Springer 出版社正式出版。 本书以深度学习赋能…

语音小管家

转载3 months ago

来源丨小米公司 近日，国际语音通信协会（ISCA）正式公布 2026 年 ISCA Fellow 名单，Daniel Povey 凭借其在语音识别声学建模、序列训练创新方法、开源语音工具 Kaldi 以及对全球语音通信领域的深远贡献成功入选…

语音小管家

转载3 months ago

来源丨阿里语音AI 阿里团队的最新研究STAR-VAE已被机器学习顶级会议ICML 2026接收。这项工作聚焦音频生成中一个长期被忽视、却决定效果上限的底层环节——音频 VAE（连续 tokenizer），并提出了一种通用且即插即用的正则化…

语音小管家

原创3 months ago

近日，浙江大学团队提出的论文SDiaReward: Modeling and Benchmarking Spoken Dialogue Rewards with Modality and Colloquialness被ACL 2026 Ma…

语音小管家

转载3 months ago

今天，和大家分享阿里语音交互模型 Fun-Realtime-AudioChat 的全面升级（现已更名为 Qwen-Audio-3.0-Realtime），为大家带来这套完备的实时语音交互对话方案。 亮点速看 1. 根据语境动态调整语气与情感…

语音小管家

转载3 months ago

来源丨魔搭社区 通义万相开源 Wan-Dancer，一款音乐驱动的人像舞蹈视频生成模型。输入一张人物照片和一段音乐，即可自动生成节奏精准、动作流畅、风格鲜明的高质量舞蹈视频。首次突破分钟级时序瓶颈，支持15秒到3分钟的超长连贯输出，覆盖中国…

语音小管家

转载3 months ago

近年来，音频语言模型（Audio Language Model, ALMs）推动语音理解从传统单任务系统走向统一的音频到文本生成范式。在这一框架下，说话人验证、语音识别、说话人识别与时间戳标注等任务都可以被重新组织为可交互、可解释的生成式任…