面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
TAG-Bench:大型音频语言模型的时间音频定位统一评测基准
原创14 hours ago
TAG-Bench:大型音频语言模型的时间音频定位统一评测基准

音频语言模型(LALM)已经能相当准确地描述“音频里有什么”:声音事件、场景、情绪、语义内容。但在会议转写、播客检索、音频取证、内容审核、声学监控、音频剪辑等真实场景里,真正决定可用性的往往是“何时发生”——用户想知道狗叫发生在第几秒、某段…

31 0 0
LAION 发布 139 万小时音频数据集 LAION-Audio-XL
原创17 hours ago
LAION 发布 139 万小时音频数据集 LAION-Audio-XL

近日,LAION 发布大规模音频文本数据集 LAION-Audio-XL,以及基于该数据集训练的对比式音频文本预训练模型 CLAP2。 数据集包含 3.65 亿组音频文本对,累计约 139 万小时音频,覆盖人声、音乐、环境音等多种声音类型。…

36 0 0
中科院声学所等联合团队结合听力图与语音分析,为汉语助听器算法提供评估新方法
原创a day ago
中科院声学所等联合团队结合听力图与语音分析,为汉语助听器算法提供评估新方法

助听器的降噪、放大和压缩处理都会影响语音辨认,研发人员通常需要组织听辨测试,比较不同方案的效果。客观预测模型能够辅助筛选方案,减少对反复测试的依赖,但现有方法多基于英语或正常听力人群开发,用于普通话听损人群时容易出现偏差。 中国科学院声学研…

53 0 0
语音与音频学术速递[11.18]
原创2 days ago
语音与音频学术速递[11.18]

2026-11-18 | CS.SD语音与音频 | 共 4 篇 [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 快速导航 1. 语音识别与关键词检测 1 篇 2. 语音合成与声音生成 1 篇 3. 语音增强、降噪与音…

57 0 0

为语音开发者而生