![语音/音频处理学术速递[5.26]](https://api.speechhome.com/Resources/Thumb/2025-05-26/1926927849130954752.jpg)
声浪
字节跳动&清华大学开源多模态时序大模型ChatTS，可实现时序数据对话与推理
该工作由字节跳动 ByteBrain 团队 × 清华大学合作完成。第一作者为清华大学三年级博士生谢哲，主要研究方向为时序多模态 LLM、异常检测和根因定位。第二作者和第三作者分别为李则言和何晓，均来自字节跳动。通讯作者分别为字节跳动研究科学…
16 0 0
开源发布丨全球首个机器人动作序列驱动的世界模型和评测基准
来源丨夕小瑶科技说 当前具身智能研发正面临“双重枷锁”：一方面，真机验证成本高、仿真偏差大，制约策略验证效率；另一方面，海量真机数据尚未构建基于轨迹扩增的高效利用机制，导致数据未被充分利用，制约了模型的持续进化。为打破这一困局，智元机器人在…
8 0 0
![语音/音频处理学术速递[5.23]](https://api.speechhome.com/Resources/Thumb/2025-05-23/1925822459202899968.jpg)
昆仑万维 | 招聘语音算法工程师&算法专家
昆仑天工是昆仑万维科技股份有限公司(以下简称"昆仑万维")下属的子板块。昆仑万维深耕海外市场十余载，业务覆盖AGI与AIGC、信息分发、社交娱乐、游戏及投资等多个领域，并于2015年登录科创版，旗下包括AGI与AIGC、海外信息分发与元宇宙…
39 0 0
魔珐科技 | 招聘AI算法工程师（上海）
魔珐科技成立于2018年，是一家以三维计算机图形学和AIGC技术为核心的3D虚拟人科技公司。魔珐科技打造了端对端的超写实3D虚拟人工业化产线，并在此基础上建立了“3D虚拟人AIGC平台--星云平台”，自研了3D虚拟人AIGC消费级产品矩阵，…
26 0 0
ICASSP 2025 | 基于元数据增强的语音情感识别
语音情感识别（Speech Emotion Recognition, SER）通过分析语音信号来判断说话者的情绪状态，其中充分利用音频信息至关重要。近期，清华大学语音与音频技术实验室（SATLab）提出了一种基于增强残差集成与协同注意力两阶…
9 0 0
培慕科技 | 招聘大语言模型实习生
杭州培慕科技有限公司是一家为重资产行业特别是流程行业和能源行业提供设备可靠性暨资产绩效管理（APM）整体数字化解决方案的国际化公司，国家级高新技术企业，浙江省“专精特新”企业。基于近二十年的技术积累和多项核心专利，培慕科技拥有国际领先的“R…
28 0 0
![语音/音频处理学术速递[5.22]](https://api.speechhome.com/Resources/Thumb/2025-05-23/1925761736061882368.jpg)
从SparkTTS看Decoder-Only方向：语音合成新范式探析
在语音合成（Text-to-Speech, TTS）领域，传统的 TTS 系统主要包括自回归（Autoregressive, AR）模型、非自回归（Non-Autoregressive, NAR）模型以及结合两者优点的混合范式（AR+NAR…
20 0 0