阿里亲身入局具身智能！Qwen内部组团，通义千问技术负责人带队
来源丨机器之心 已经成为开源模型领头羊的 Qwen，终于要开始做机器人了。 昨天，阿里通义千问大语言模型负责人林俊旸在社交媒体上官宣，他们在 Qwen 内部组建了一个小型机器人、具身智能团队，同时表示「多模态基础模型正转变为基础智能体，这些…
28 0 0
声浪
NovaFlow从生成视频中提取动作流，实现零样本操控
来源丨机器之心 本文共同第一作者为李鸿宇（布朗大学博士生）和孙凌峰（Robotics and AI Institute 研究员，博士毕业于加州大学伯克利分校）。通讯作者付佳慧在 Robotics and AI Institute 任研究员，…
15 0 0
![语音/音频处理学术速递[10.9]](https://api.speechhome.com/Resources/Thumb/2025-10-09/1976221035372089344.jpg)
蚂蚁 Ling-1T 开源：基础语言模型、1T参数、MoE架构｜所有信息都在这了
蚂蚁的 Ling-1T终于发了，大半夜的 中文叫百灵，1T 参数，Instruct 版本、非推理、MoE架构 HuggingFace：https://huggingface.co/inclusionAI/Ling-1T GitHub：htt…
19 0 0
开源AI教育视频生成神器，3Blue1Brown风教学动画一键搞定！
在互联网教育的浪潮中，教学视频已经成为知识传播的重要媒介。从数学、物理到计算机科学，优秀的动画讲解往往能让复杂知识瞬间变得清晰易懂。 比如大家熟知的 3Blue1Brown，通过精美的数学动画，把抽象的概念变得直观而优雅。 最近，新加坡国立…
15 0 0
吴恩达执教的深度学习课程CS230秋季上新，新增GPT-5专题
来源丨机器之心 吴恩达 (Andrew Ng) 执教的斯坦福 CS230 深度学习旗舰课程已更新至 2025 秋季版，首讲视频现已公开！ 课程采用翻转课堂模式，学生需提前观看 Coursera 上的 deeplearning.ai 专项课程…
15 0 0
![语音/音频处理学术速递[10.8]](https://api.speechhome.com/Resources/Thumb/2025-10-11/1976925218609958912.jpg)
南洋理工&腾讯最新 Rolling Forcing 解决流视频生成长期误差累积，连贯如一且长达数分钟！
论文链接：https://arxiv.org/pdf/2509.25161 项目链接：https://kunhao-liu.github.io/Rolling_Forcing_Webpage/ 图 1：Rolling Forcing 可在单…
15 0 0
![语音/音频处理学术速递[10.7]](https://api.speechhome.com/Resources/Thumb/2025-10-09/1976220839678447616.jpg)
语音“PS”来了！蚂蚁又放大招，ASR+TTS+编辑的全能语音模型开源了！
在大模型的浪潮下，语音领域也正迎来“整合与统一”的趋势。 过去我们往往需要分别调用不同的模型来完成语音识别（ASR）、语音生成（TTS）和语音编辑等任务，不仅开发成本高，而且在真实业务中很难实现流畅的衔接。 而这一次，阿里蚂蚁团队直接给出了…
26 0 0