【reXearch】面向语音理解的语音大模型综述
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…
20 0 0
声浪
字节吴永辉&王雨轩联合署名：首个端到端语音大模型副语言评估基准与调优框架 ParaS2S
论文标题：ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction 论文地…
12 0 0
超越级联系统：端到端语音大模型设计解析
虽然文本大语言模型最近取得了很多的关注，但是对于人类而言，语音交互是更自然的方式。在语音交互常见中一个直接的方法是直接级联ASR-LLM-TTS这三个模型，然而这种直接的方式存在诸多问题。为了解决级联系统的问题端到端的语音大模型（Speec…
25 0 0
语音大模型对齐思路创新： TASU仅通过纯文本数据，大幅提升SLM的语音零样本性能
论文题目：《TASU: Text-Only Alignment for Speech Understanding》 原文链接：https://arxiv.org/pdf/2511.03310 这篇论文是上交大和思必驰等合作，提出了一个叫TA…
17 0 0
大模型“开口”变笨怎么办？EchoX 仅用 6千小时数据构建高智商语音大模型
语音到语音大模型（SLLM）火了，但你是否也发现：一旦从“文字”换成“开口说话”，模型的知识与推理能力就开始出现了退化？这并不是错觉，而是“声学-语义鸿沟”在作怪。本文带你看一篇来自香港中文大学（深圳）李海洲教授/王本友教授团队发布的新模型…
15 0 0
ACL 2025丨首个端到端语音大模型知识理解基准 VoxEval 发布
随着ChatGPT、Claude等文本大模型的爆火，人们开始期待更自然的语音交互方式。然而，当前的语音大模型在知识理解方面表现如何？它们能否像人类一样通过纯语音进行复杂的知识问答？ 来自香港中文大学的研究团队在ACL 2025主会上发表了一…
20 0 0
RockAI | 招聘音频算法专家/TTS、语音大模型算法实习生（上海）
上海岩芯数智人工智能科技有限公司（简称RockAI）成立于2023年6月，以“让世界上每一台设备拥有自己的智能”为使命，于2024年1月发布国内首个非Attention机制大模型Yan1.0。 2024年7月发布国内首个非Transform…
22 0 0
陌陌科技 | 急招语音大模型算法工程师、语音大模型研发实习生（北京）
陌陌科技，中国领先的社交网络和移动互联网公司，成立于2011年。最初以陌陌聊天应用闻名，用户可以通过地理位置找到附近的人并进行即时通讯。随着发展，陌陌逐渐扩展了其业务，包括直播、短视频和社交电商等。 陌陌的核心业务围绕社交互动，提供丰富的用…
17 0 0
陌陌科技 | 急招语音大模型算法工程师、语音大模型研发实习生（北京）
陌陌 陌陌科技，中国领先的社交网络和移动互联网公司，成立于2011年。最初以陌陌聊天应用闻名，用户可以通过地理位置找到附近的人并进行即时通讯。随着发展，陌陌逐渐扩展了其业务，包括直播、短视频和社交电商等。 陌陌的核心业务围绕社交互动，提供丰…
14 0 0
阶跃星辰 | 招聘语音大模型算法实习生
阶跃星辰 阶跃星辰，以阶跃之力，赴星辰大海。官网：https://www.stepfun.com/。从官网中我们可以看到，星辰自称： 汇聚顶尖人才算法专家、系统专家、亿级用户产品负责人，我们聚集了多位业界顶尖人才。 2. 自研通用大模型我们…
8 0 0