声浪

语音小管家

转载10 months ago

说实话，今年语音模型的内卷程度已经到了不讲武德的地步。但这次，Qwen3-TTS 的更新，是真的有点狠。 阿里通义刚刚上线了 Qwen3-TTS 的两大核心能力： •VoiceDesign（VD-Flash）：用文字“设计”声音，而不是选声…

语音小管家

转载10 months ago

标题：Adapting Speech Language Model to Singing Voice Synthesis 链接：https://arxiv.org/pdf/2512.14657 作者单位：卡内基梅隆大学、中国人民大学、约翰霍…

语音小管家

转载10 months ago

继 SAM（Segment Anything Model）、SAM 3D后，Meta 又有了新动作。 深夜，Meta 放出音频分割模型SAM Audio，其通过多模态提示（无论是文本、视觉，还是标注时间片段），让人们能够轻松地从复杂的音频混…