![语音与音频学术速递[8.12]](https://api.speechhome.com/Resources/Thumb/2026-08-12/2087461563115114496.png)
语音与音频学术速递[8.12]
今日论文合集：CS.SD语音与音频 | 共 10 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. Whisper-Aware LL…
177 0 0
声浪
![语音与音频学术速递[8.10]](https://api.speechhome.com/Resources/Thumb/2026-08-11/2087089930969944064.png)
语音与音频学术速递[8.10]
今日论文合集：CS.SD语音与音频 | 共 6 篇。 本文经arXiv每日学术速递授权转载微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 1. MMAG: A Multi-Cont…
156 0 0
![语音与音频学术速递[8.6]](https://api.speechhome.com/Resources/Thumb/2026-08-06/2085319361425444864.png)
字节发布音视频全双工大模型：SeedRealtime
8月5日，字节发布原生音视频全双工大模型 SeedRealtime。 项目主页：https://seed.bytedance.com/seedrealtime 体验入口：将豆包 App 更新至最新版本，在对话框内选择“打电话”，进入视频通话…
79 0 0
![语音与音频学术速递[8.5]](https://api.speechhome.com/Resources/Thumb/2026-08-05/2084940998261215232.png)
让 AI 同时学会"写歌"和"混音"：分层 AR + Flow Matching 如何实现全曲音乐生成？
一首歌从"灵感"到"成品"，往往要经历词曲创作、编曲配器、人声录制、混音母带等多个环节。如果有一天，一个 AI 系统能够从一段文字描述出发，直接输出包含人声演唱、完整伴奏和段落结构的歌曲——甚至还能翻唱已有作品——这会对音乐创作意味着什么？…
35 0 0
![语音与音频学术速递[8.4]](https://api.speechhome.com/Resources/Thumb/2026-08-04/2084564654583058432.png)
![语音与音频学术速递[8.3]](https://api.speechhome.com/Resources/Thumb/2026-08-03/2084180868976480256.png)
模型上新｜Qwen-Audio-3.0-Gen-Preview：从"分别生成"到"统一编排"
今天，阿里千问发布Qwen-Audio-3.0-Gen-Preview。它把各类音频元素的生成与编排统一到同一个模型里，只需一段场景描述，就能在同一条时间轴上同时生成多角色对白、环境声、动作音效和背景音，输出可直接使用的成品音轨。 技术报告…
38 0 0
![语音与音频学术速递[7.31]](https://api.speechhome.com/Resources/Thumb/2026-08-03/2084180614889738240.png)