声浪

语音小管家

原创4 months ago

近年来，以Suno、Mureka、YuE、ACE-Step 等为代表的音乐生成模型迅速演进，其输入条件已经从单一的文本描述，扩展为文本、歌词与参考音频任意组合的多模态指令。然而，用来判断「单条生成结果到底好不好」的评测手段，却相对滞后：传统…

语音小管家

原创4 months ago

它听得懂情绪、辨得出身份、甚至能模仿你说话——但你敢信任它吗？ “你今天看起来有点累。”当你对手机说出这句话，它不仅能听懂字面意思，还能从你的语速、语调、呼吸节奏中判断——你是真的疲惫，还是在强撑？这不是科幻。这是大型音频语言模型正在实现的…

语音小管家

转载4 months ago

本期分享国防科技大学近期被IEEE Transactions on Audio, Speech and Language Processing接收的音频表示质量评估方面的工作。 Unifying Variables in Neural Sc…

语音小管家

原创4 months ago

录取信息：ICML 2026 论文标题：SPEAR: A Unified SSL Framework for Learning Speech and Audio Representations 作者：Xiaoyu Yang, Yifan Y…

语音小管家

转载4 months ago

来源丨paperweekly 问题可能不在语言能力本身，而在那些更难被建模的东西：语气、情绪、停顿、潜台词，以及人与人交流时微妙的“社交感”。而最近，一篇来自南京大学与小米的论文，开始系统地评测这些副语言能力。 论文标题：SpeechPar…

语音小管家

转载5 months ago

以下文章来源于AI语音AI思考 如果看过我最早的文章，你可能记得我曾说过：限制语音交互发展的主要因素通常并非技术，而是场景。例如，在办公室等公开场合，人们通常不会选择与机器进行语音对话，也不会频繁使用语音输入；而在车内、家中等相对私密的环境…