声浪

语音小管家

原创a month ago

分享天津大学认知计算与应用重点实验室9篇论文被INTERSPEECH 2026 录用的论文。本次录用工作覆盖大音频语言模型、音频推理智能体、阿尔茨海默病语音检测、鲁棒说话人验证、上下文表现力语音评估以及自监督语音表征学习等方向。 ⏩1. M…

语音小管家

转载a month ago

近年来，以 Whisper 为代表的语音基础模型显著提升了多语种自动语音识别（Automatic Speech Recognition, ASR）的泛化能力，使同一模型能够覆盖多种语言、口音和语音场景。然而，当模型需要继续适配低资源语言、儿…

语音小管家

转载a month ago

在安静环境里，语音识别的问题很直接：用户说什么，模型就转录什么。但在会议、车内或咖啡厅里，用户的声音经常会和旁人交谈一起进入麦克风。 假设用户说“打开导航”，旁边的人同时说“我们明天几点出发”。一种常见错误不是把“导航”识别成别的词，而是把…

每日语音速递

原创a month ago

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. SpeechGym: An Aud…

语音小管家

转载a month ago

很多人第一次遇到语音识别的"幻觉"，是在一段几乎没有人声的录音里。 会议散场后忘了关录音，最后十分钟只有空调声和收拾东西的动静。转写结果却工整地写着一句："谢谢观看，请点赞订阅。" 没有人说过这句话。模型也不是听错了某个字，而是凭空写出了一…

每日语音速递

原创a month ago

今日论文合集：CS.SD语音与音频 | 共 8 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. Domain-Adaptive A…

每日语音速递

原创a month ago

今日论文合集：CS.SD语音与音频 | 共 4 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. EXAM$^2$: $\under…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 11 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. Multi-Task Learn…

语音小管家

原创2 months ago

你有没有过这种体验：跟语音助手说话，刚停半秒，它就抢着回——其实你只是喘了口气； 或者你已经说完了，它还在干等，场面一度很尴尬。 这些「接话时机」问题，本质不是 ASR 认不清字，而是系统不会判断： 用户是说完了，还是话还没说完？ 这句「嗯…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 3 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. Towards Quantifyi…