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 →
TASLP论文分享:联邦音频深伪检测
转载2 months ago
TASLP论文分享:联邦音频深伪检测

以下文章来源:生物信息感知与人机交互团队 随着语音合成与生成式人工智能技术快速发展,高质量合成语音在身份冒充、语音诈骗和虚假信息传播等场景中带来了新的安全风险,推动了音频深度伪造检测(Audio Deepfake Detection,ADD…

137 0 0
语音与音频学术速递[9.21]
原创2 months ago
语音与音频学术速递[9.21]

今日论文合集:CS.SD语音与音频 | 共 9 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 快速导航 1. 语音识别与关键词检测 2…

227 0 0
EMNLP 2026|Qwen Audio 团队入选论文分享
原创2 months ago
EMNLP 2026|Qwen Audio 团队入选论文分享

近日,EMNLP 2026正式公布录用结果,本期分享阿里 Token Foundry Qwen Audio 团队中稿的 3 篇论文,涵盖视频到音频生成、大语言模型推理增强、神经编解码语音合成三大前沿方向。 本次入选的 3 篇论文分别围绕跨模…

189 0 0
网易有道开源流式ASR模型 R2T2,要做语音Agent 的 infra
原创2 months ago
网易有道开源流式ASR模型 R2T2,要做语音Agent 的 infra

做过实时语音识别的人,大概率都见过这样一种场景: 你刚说完半句话,屏幕上的字幕已经出来了,但再多说几个字,前面的内容突然被改掉。字幕一会儿增加、一会儿回滚,甚至整句话重新刷新。如果只是看字幕,这可能只是“有点闪”。但当ASR的输出开始直接连…

147 0 0
语音与音频学术速递[9.18]
原创2 months ago
语音与音频学术速递[9.18]

今日论文合集:CS.SD语音与音频 | 共 7 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 快速导航 1. 语音识别与关键词检测 1…

150 0 0

为语音开发者而生