声浪

语音小管家

转载6 months ago

论文链接: https://arxiv.org/abs/2604.10708v1 代码链接: https://zeyuet.github.io/Audio-Omni 发表会议: arxiv Sora 带火了视频生成，但音频 AI 却一直深陷…

语音小管家

转载6 months ago

论文标题：Seedance 2.0: Advancing Video Generation for World Complexity 论文链接：https://arxiv.org/abs/2604.14148v1 代码链接：https://…

语音小管家

转载6 months ago

随着语音合成与语音转换技术的快速发展，语音深度伪造(Speech Deepfake)正变得愈发逼真与普及。从早期的整句生成，到如今更具隐蔽性的局部篡改(Partial Spoofing)，攻击者可以仅修改语音中的关键片段(如数字、人名或关键…

语音小管家

转载6 months ago

体量轻巧、推理高效，Qwen3.6-35B-A3B 开源！ 这是一款采用稀疏混合专家（MoE）架构的高效模型：总参数350 亿，每次推理仅激活30 亿参数。 参数量虽小，性能依旧强劲。在智能体编程上，它大幅超越前代 Qwen3.5-35B-…

语音小管家

转载6 months ago

来源丨智东西，作者：王涵，编辑：李水青 阿里首个世界模型突然发布！实测一点不比李飞飞的逊色？ 智东西4月16日报道，刚刚，阿里ATH创新事业部发布了其首款开放式世界模型HappyOyster（快乐生蚝）。 基于原生多模态架构，该模型支持多模…

语音小管家

转载6 months ago

今天，阶跃发布新一代语音生成模型StepAudio 2.5 TTS！ 围绕全局语境控制、文中语境控制、零样本复刻与全音色控制三项核心能力， StepAudio 2.5 TTS 让语音生成更自然、更灵活也更有表现力。 全局语境控制：支持自定义…

语音小管家

转载6 months ago

来源丨智东西，作者：江宇，编辑：漠影 腾讯正式发布并开源混元3D世界模型2.0（HY-World 2.0）。作为一款多模态的世界模型，HY-World 2.0支持文字、图片和视频等形式输入，可自动生成、重建并模拟完整的3D世界。 对于游戏行…

语音小管家

转载6 months ago

标题：《Audio Flamingo Next: Next-Generation Open Audio-Language Models for Speech, Sound, and Music》 链接：https://arxiv.org/a…