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 →
语音与音频学术速递[11.11]
原创9 days ago
语音与音频学术速递[11.11]

今日论文合集:CS.SD语音与音频 共 10 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…

140 0 0
语音与音频学术速递[11.10]
原创10 days ago
语音与音频学术速递[11.10]

今日论文合集:CS.SD语音与音频 共 21 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…

160 0 0
NCMMSC 2026 | SpeechAnnotator:面向多维语音标注的上下文感知多智能体框架与基准
转载10 days ago
NCMMSC 2026 | SpeechAnnotator:面向多维语音标注的上下文感知多智能体框架与基准

随着可控语音生成的发展,训练数据不仅要描述“说了什么”,还需覆盖说话人特征、韵律、情绪、副语言现象、声学场景与上下文含义。然而,人工多维标注难以扩展至大规模数据,商业多模态接口又存在调用成本、吞吐限制和外部依赖;对长音频逐片段独立处理,还容…

231 0 0
语音与音频学术速递[11.9]
原创11 days ago
语音与音频学术速递[11.9]

今日论文合集:CS.SD语音与音频 共 10 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. 语音合成与声音生成 1 篇…

227 0 0
网易有道 R2T2 稳定前缀流式语音识别报告解读
原创13 days ago
网易有道 R2T2 稳定前缀流式语音识别报告解读

一句话还没有说完,语音识别系统应该什么时候输出文字? 对于实时字幕、同声传译和语音智能体,这个问题直接影响系统体验。输出过早,模型可能在信息不足时作出错误判断;等待过久,下游应用的响应又会变慢。如果先输出、再不断修正,字幕可能反复跳动,翻译…

189 0 0

为语音开发者而生