声浪

语音小管家

转载2 months ago

传统的自动语音识别系统主要遵循"单次通行（Single-pass）"的转录范式，将识别过程视为从音频到文字的开环映射任务。这种范式在交互逻辑上缺乏"反馈-修复"机制，在评价维度上无法区分关键语义错误与无关紧要的字面偏差。本文解读的论文 To…

语音小管家

转载2 months ago

IndexSpeech 团队正式开源 IndexTTS-2.5，针对 IndexTTS-2 的多语言、情绪表现和推理效率进行优化。新版本支持中文、英语、日语、西班牙语和阿拉伯语，并保留跨语种与音色情感解耦能力，同时新增语速控制和更细粒度的发…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 9 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. CookVoice: Unifie…

每日语音速递

原创3 months ago

今日论文合集：CS.SD语音与音频 | 共 10 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Whisper-Aware LL…

语音小管家

转载3 months ago

地铁里、会议室中、医院病房内——很多场合我们都需要“说点什么”，却又不便发出声音。 苹果公司近日公开了一项专利申请（WO2026159706A1），提出一种默声语音检测方案：用户在不发声的情况下靠面部肌肉运动“默念”，设备读取面颊皮肤微动后…

每日语音速递

原创3 months ago

今日论文合集：CS.SD语音与音频 | 共 6 篇。 本文经arXiv每日学术速递授权转载微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. MMAG: A Multi-Cont…

语音小管家

转载3 months ago

说话时不自觉地在中文里夹几句英文——"这个 project 的 deadline 快到了""帮我订一个 meeting room 讨论一下"——这种语言现象叫做"语码转换"（Code-Switching）。在全球化语境下，它已经成为日常交流…

语音小管家

原创3 months ago

论文标题：SALMONN-2: Advancing General-Purpose Hearing Abilities with Self-Supervised Representations 作者：Xiaoyu Yang\*, Xuena…

语音小管家

转载3 months ago

以 GPT-4o、Moshi、GLM-4-Voice、Qwen-Omni 为代表的端到端语音大模型（SLM）正在推动人机交互迈向“开口即对话”的新阶段。然而，在需要精确、结构化推理的场景下——尤其是口语数学问答——语音大模型的表现仍显著落后…