![语音/音频处理学术速递[5.15]](https://api.speechhome.com/Resources/Thumb/2026-05-15/2055216559600832512.png)
声浪
![语音/音频处理学术速递[5.14]](https://api.speechhome.com/Resources/Thumb/2026-05-14/2054809599474798592.png)
Dolphin-CN-Dialect 发布：同样的数据，换一种配方，让ASR听懂更多中国话
今天，海天瑞声与清华大学电子工程系语音与音频技术实验室（SATLab），发布Dolphin-CN-Dialect 汉语多方言语音识别模型！ 获取渠道 体验地址 · 非流式识别：
55 0 0
![语音/音频处理学术速递[5.13]](https://api.speechhome.com/Resources/Thumb/2026-05-13/2054506194315382784.png)
AVGen-Bench：面向下一代文生音视频模型的系统化评测框架
以下文章来源 微软亚洲研究院 微软亚洲研究院推出了一个面向文本生成音视频任务的多粒度、细粒度、任务驱动评测基准AVGen-近日，微软亚洲研究院推出了一个面向文本生成音视频任务的多粒度、细粒度、任务驱动评测基准AVGen-Bench。它关注的…
24 0 0
ICML 2026 | SARSteer：让大型音频语言模型学会"说不"
以下文章来源SV4Good Al Lab 大型音频语言模型（Large Audio–Language Models, LALMs）正在成为下一代语音交互、音频理解、实时对话系统的核心底座。然而最近的研究指出，音频输入比文本更容易诱发模型生成…
22 0 0
![语音/音频处理学术速递[5.12]](https://api.speechhome.com/Resources/Thumb/2026-05-13/2054506350079250432.png)
第三届CCF语音对话与听觉处理前沿进展研讨会技术报告(RASDAP2026 Technical Report)
当前语音对话与听觉处理领域蓬勃发展，学术界与工业界不断涌现创新的技术与产品，为了更好地推动经验交流与前瞻研讨，由中国计算机学会（CCF）语音对话与听觉专委会发起的第三届CCF语音对话与听觉处理前沿进展研讨会（RASDAP2026，Recen…
24 1 0
Ctx2Skill：如何让大模型从复杂文档直接构建 Skills？
近年来，大语言模型在复杂推理、代码生成以及智能体等方向不断突破，一个更接近真实世界的问题也逐渐浮出水面：模型是否真的能够从复杂上下文中学习？ 现实中的许多任务，其关键知识并不存在于模型预训练记忆里，而是隐藏在冗长、专业且此前从未见过的专业文…
35 0 0
![语音/音频处理学术速递[5.11]](https://api.speechhome.com/Resources/Thumb/2026-05-11/2053777839127400448.png)