ElevenLabs发布Music V2：AI音乐迈入可编辑创作阶段
来源丨AI音频时代、Renee 创业随笔 近日，ElevenLabs 发布了新一代音乐模型 Music v2，目前已经可以在 ElevenMusic 和 ElevenCreative 中使用。 Stable Audio 3.0刚刚升级后（S…
16 0 0
声浪
![语音/音频处理学术速递[6.3]](https://api.speechhome.com/Resources/Thumb/2026-06-04/2062483798582497280.png)
高德语音用20万小时数据做出来的开源TTS，说话人相似度拿了第一 ，支持11种情感+14类方言
论文链接：https://arxiv.org/abs/2605.27258 项目主页：https://amapvoice.github.io/PilotTTS/ GitHub Repo：https://github
32 0 0
![语音/音频处理学术速递[6.1]](https://api.speechhome.com/Resources/Thumb/2026-06-01/2061393710188466176.png)
Dasheng AudioGen：语音、音乐、音效一次生成，让 AI 成为“声音导演”
上海交通大学 X-LANCE 实验室与小米联合发布的 Dasheng AudioGen，不再独立建模语音、音乐、音效生成任务，而是让 AI 像“声音导演”一样理解真实世界音频中多种声音的复杂关系，并端到端生成自然、协调的混合音频场景。 在线…
20 0 0
当音乐生成跑在了评测前面：用「组合式多模态指令」为音乐奖励模型立一把标尺
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…
30 0 0
![语音/音频处理学术速递[5.28]](https://api.speechhome.com/Resources/Thumb/2026-05-28/2059935330622115840.png)
论文导读丨CCF语音对话与听觉专委会论文导读（2026年第6期）
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…
38 0 0
![语音/音频处理学术速递[5.27]](https://api.speechhome.com/Resources/Thumb/2026-05-27/2059535054232752128.png)
![语音/音频处理学术速递[5.26]](https://api.speechhome.com/Resources/Thumb/2026-05-26/2059196348430946304.png)