ICASSP 2026｜迈向构建低资源语种的多任务语音理解模型
基于语音编码器、适配器和大语言模型（LLM）构建的语音大语言模型（SLLM），在英语和中文等高资源语言中展现了卓越的多任务理解性能。然而，在泰语等低资源语言中，其有效性显著降低。这种局限性主要源于三个因素： 现有的常用语音编码器（如 Whi…
22 0 0
声浪
别再喂给模型“分离人声”了，ANYACCOMP让AI学会只看旋律配伴奏 | ICASSP 2026
Singing Accompaniment Generation（SAG，人声伴奏生成）想做的事很直观：给你一段干净的人声/旋律，模型生成一段和声、节奏匹配的伴奏。 但现实里，很多SAG系统都踩在同一个坑上：它们训练时用的“人声输入”，往往…
12 0 0
ICASSP 2026｜首届多语种对话语音大语言模型挑战赛：数据集、任务、基线系统和方法总结
构建稳健的对话语音大语言模型（Speech LLM）在很大程度上依赖于真实的多语种对话语音数据，然而当前此类数据的稀缺对该领域的发展构成了重大挑战。Interspeech2025多语种对话语音语言模型（MLC-SLM）挑战赛旨在通过发布真实…
19 0 0