以下文章来自:南京大学音频声学实验室(NJU-AALab) ICASSP(International Conference on Acoustics, Speech, and Signal Processing)是由IEEE信号处理学会主办…

最新声浪
查看全部 →ICASSP 2026 | 南京大学音频声学实验室(NJU-AALab)10篇论文展示+2项赛事冠军
109 0 0
GLSC-SDR:联合学习全局-局部说话人分类以促进说话人日志与语音识别
当前,大音频语言模型(LALM)在端到端说话人日志与识别任务中展现出优异性能。但受大规模对话语料稀缺、缺少显式说话人表征优化机制限制,模型的说话人区分能力仍存在短板。现有提升大音频语言模型说话人精度的主流方法,无论是引入额外编码器、设计注册…
103 0 0
【交我学-37】从“听见”到“听懂”:多模态基础模型中的音频推理综述
AudioCC交我学 这一期我们想聊的不是某一个具体模型,而是一个最近越来越绕不开的问题:当语音大模型、音频大模型和 omni 模型都开始变强之后,模型到底有没有真的“听懂”声音? 过去几年,大家更熟悉的是 ASR、audio captio…
281 0 0
阿里发布 Fun-ASR-Realtime 实时语音识别模型 ,支持16种方言和30种语言!
来源丨千问大模型 今天,阿里通义升级实时语音识别大模型Fun-ASR-Realtime——一款首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别模型,支持16种方言和30种语言。 阿里云百炼: Fun-ASR-Realtime:…
287 2 1
2026年语音赛事合集
今年的各大学术会议平台陆续公布了赛事征集和开赛的赛事信息,为帮大家一站式掌握赛程、主题及报名窗口,语音之家梳理了6个会议平台上的赛事信息,针对还在开赛中的赛事做一个分享。 ISCSLP 2026 中文口语语言处理国
146 0 0
大语言模型合成语音在人工耳蜗使用者中的普通话感知研究取得突破:特定条件下可懂度接近自然语音
美东时间2026年06月30日,东南大学外国语学院博士生导师陈彧教授联合天津理工大学聋人工学院张句博士题为Perception of Synthesized Mandarin Speech Based on a Large-Scale La…
73 0 0
INTERSPEECH 2026|武汉大学电子信息学院智能音频与语音感知实验室13篇录用论文分享
分享武汉大学电子信息学院智能音频与语音感知实验室在Interspeech 2026中稿的13篇论文,论文涵盖语音增强、声源定位、声音事件检测、音频表征、音频大模型等多个研究方向。 ⏩一、多通道语音增强与鲁棒波束形成 Joint Learni…
138 0 0
