![语音与音频学术速递[7.30]](https://api.speechhome.com/Resources/Thumb/2026-08-03/2084180367643906048.png)
声浪
缓解 TTS 的重复与漏读：用注意力引导消除语音合成中的稳定性幻觉
近年来，基于大语言模型的语音合成技术快速发展。在普通文本上，模型已经能够稳定生成自然度很高、音色也足够相似的语音。然而，一旦遇到复杂生僻词、排比句或连续重复结构，重复、漏读甚至无限循环等稳定性幻觉仍然可能出现。 这背后有一个基础问题： 语音…
30 0 0
![语音与音频学术速递[7.29]](https://api.speechhome.com/Resources/Thumb/2026-07-30/2082663514547294208.png)
![语音与音频学术速递[7.28]](https://api.speechhome.com/Resources/Thumb/2026-07-28/2082022591484268544.png)
9.36M 参数做出顶级 TTS：Inflect v2，人声盲听66%胜率
以下文章来源：努力犯错玩AI 近日，独立开发者 Owen Song 发布了 Inflect v2。这是一个极致轻量的英文语音合成模型。Micro 版只有 9.36M 参数，FP32 权重只有 37.5MB。Nano 版更是只有 3.97M…
50 0 0
![语音与音频学术速递[7.27]](https://api.speechhome.com/Resources/Thumb/2026-07-27/2081623683297841152.png)
![语音与音频学术速递[7.24]](https://api.speechhome.com/Resources/Thumb/2026-07-24/2080584336083652608.png)
刚刚，Claude爆改语音！11种语言，就是没中文
来源丨新智元 刚刚，Anthropic和OpenAI同时放出了语音模式大升级！ Claude这边，从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列，不仅能在对话里调Gmail、日历、Slack，还扩增到11种语言，但没有中文…
34 0 0
![语音与音频学术速递[7.23]](https://api.speechhome.com/Resources/Thumb/2026-07-23/2080219817062830080.png)
Interspeech 2026｜Decoding the Ear(DeEAR)：从人类偏好中客观量化语音表现力的对齐框架
近年来，端到端口语对话（S2S）与语音合成（TTS）技术正加速从“可懂、可用”向“自然、拟人”发展。尤其在智能座舱、语音助手等实际应用场景中，用户对语音交互的期待已不再局限于内容准确，还希望模型能够展现接近真人的表现力，包括细腻的情绪起伏、…
24 0 0