通义开源 0.5B TTS + 0.8B ASR，支持跨语种音色克隆、说唱识别！
只需3秒录音，就能让你的声音无缝切换语种、方言与情绪——中、粤、日、英、开心、愤怒......9 种通用语言、18种方言，通通搞定！ 一段嘈杂环境下的会议录音，AI 也能毫秒级输出文字，绕口令、RAP、背景音乐干扰，照样精准识别！ 通义百聆…
25 0 0
声浪
![语音/音频处理学术速递[12.15]](https://api.speechhome.com/Resources/Thumb/2025-12-16/2000855725173248000.jpg)
ASRU 2025|基于检索增强生成与流匹配对齐的跨语言可控情感迁移语音合成
跨语言情感语音合成（Cross-lingual Emotional Speech Synthesis）旨在在不改变语音语言内容信息的前提下，将源语言语音中的情感特征自然迁移到目标语言的合成语音中。这一技术在电影配音、多语言虚拟人等场景中有着…
12 0 0
180万小时数据训练，VoxCPM 1.5开源：支持全量微调，精准复刻真人声
来源丨PaperWeekly 180 万小时、44k 高保真、支持全量微调——刚刚开源的 VoxCPM 1.5，技术细节全解密。 最近，面壁技术团队发布了 VoxCPM 1.5 版本，在持续优化开发者开发体验的同时，也带来了多项核心能力升级…
19 0 0
![语音/音频处理学术速递[12.12]](https://api.speechhome.com/Resources/Thumb/2025-12-12/1999409560842014720.jpg)
GLM-TTS 发布并开源，字错误率和情感表达实现开源 SOTA
近日智谱正式发布工业级语音合成系统 GLM-TTS，并在 Hugging Face 和 ModelScope 上开放模型权重。 基于在数据筛选、基础模型结构、精品音色监督微调（SFT）范式和强化学习（RL）范式等多方面创新，GLM-TTS…
29 0 0
![语音/音频处理学术速递[12.11]](https://api.speechhome.com/Resources/Thumb/2025-12-11/1999048806129340416.jpg)
![语音/音频处理学术速递[12.10]](https://api.speechhome.com/Resources/Thumb/2025-12-10/1998676121746542592.jpg)
通义实验室联合北邮发布：TTS大模型奖励策略优化框架RRPO
标题：《RRPO: Robust Reward Policy Optimization for LLM-Based Emotional TTS》 链接：https://arxiv.org/pdf/2512.04552 作者单位：阿里通义实验…
15 0 0
阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色
最近 TTS 领域是真的越来越卷了，国内外各个互联网大厂轮番上阵。 阿里通义（Qwen）团队最近在开源界简直是“劳模”级别的存在，这边又悄悄上新了全新的Qwen3-TTS。 而且一出手就明显是冲着「自然度 + 多音色 + 多语言」这一代标准…
19 0 0