声浪

语音小管家

转载10 months ago

周五凌晨，OpenAI 发布 GPT-5.2-Codex，这是迄今为止最先进的智能体编码模型，专为复杂的实际软件工程而设计。 GPT-5.2-Codex 是 GPT-5.2 的升级版本，提高了指令遵循能力、对长远语境的理解能力，它针对 Co…

语音小管家

转载10 months ago

从简单的指令执行到具备“心智”的情感共鸣，AI 语音交互正在经历怎样的蜕变？在人工智能飞速发展的今天，我们渴望的不再仅仅是一个“有问必答”的助手，而是一个能听懂弦外之音、能接住突发话茬的“知心伙伴”。 最近，ICASSP 2026 发起类人…

语音小管家

转载10 months ago

继 SAM（Segment Anything Model）、SAM 3D后，Meta 又有了新动作。 深夜，Meta 放出音频分割模型SAM Audio，其通过多模态提示（无论是文本、视觉，还是标注时间片段），让人们能够轻松地从复杂的音频混…

语音小管家

转载10 months ago

标题：Joint Speech and Text Training for LLM-Based End-to-End Spoken Dialogue State Tracking 地址：https://arxiv.org/pdf/2511.…

语音小管家

转载10 months ago

只需3秒录音，就能让你的声音无缝切换语种、方言与情绪——中、粤、日、英、开心、愤怒......9 种通用语言、18种方言，通通搞定！ 一段嘈杂环境下的会议录音，AI 也能毫秒级输出文字，绕口令、RAP、背景音乐干扰，照样精准识别！ 通义百聆…

语音小管家

转载10 months ago

A Survey on Speech Large Language Models for Understanding 论文作者：彭景¹²*，王雨诚³*，李波含¹²，郭奕玮¹²，王翰坤¹²，方衍贵⁵，奚彧¹²，李浩宇¹²，李旭⁴，张克⁶，王帅…