AudioCC交我学 在全球化浪潮下,多语种语音识别(Multilingual ASR)技术成为打破语言壁垒的关键支撑。从低资源语种适配到零资源场景突破,从模型效率优化到实际场景落地,近期 Interspeech、ICASSP 等顶会涌现出…

最新声浪
查看全部 →【交我学-27】多语种 ASR 技术2025 顶会论文汇总
97 0 0
阿里开源 Mobile-Agent-v3.5:一套真正“多平台可用”的原生 GUI Agent 基座模型
通义实验室这次带来的是Mobile-Agent-v3.5以及最新的原生 GUI Agent 模型家族GUI-Owl-1.5:面向桌面 / 移动 / 浏览器等多端统一的基础模型与训练范式,并已全面开源。 模型链接: GUI-Owl-1.5-2…
81 0 0
【语音技术和应用趋势分享系列(8)】龙虾时代的语音智能体
以下文章来源于AI语音AI思考 本系列共十篇文章,旨在深入剖析之前提到的十大趋势。 关于未来语音技术和应用趋势的10点看法 文章将穿插科普知识、技术综述、发展路线,以及我个人和其他行业专家的思考。无论读者此前对语音技术与应用了解多少,都希望…
66 0 0
小米重磅突破:DashengTokenizer 用一层网络打通音频理解与生成,打破 VAE 垄断
来源:AI随想录,作者:William 论文标题: DashengTokenizer: One layer is enough for unified audio understanding and generation 论文链接: htt…
70 0 0
创作一首新歌只需2秒!阶跃星辰开源音乐生成模型 ACE-Step 1.5
由阶跃星辰和ACE Studio联合发布的开源音乐生成模型ACE-Step 1.5,制作一首商业歌曲仅需 2-10 秒。 ACE-Step 1.5能“一人”包揽从创作端的作词、作曲、编曲,到制作端的制作人、录音师、混音师、母带师,再到前台歌…
52 0 0
语音降噪风雨六十载(上)——传统信号处理黄金时代
语音降噪是语音信号处理里面的一个经典领域,距离Schroeder在1965年首次提出语音降噪概念,距今已经60多年。在这60多年里,语音降噪从信号处理走向深度学习,对语音质量提升了一次又一次。语音降噪的目标是从麦克风接收的信号提取干净的语音…
91 0 0
小红书开源FireRed-OCR,2B 参数登顶文档解析榜单
来自小红书超级智能团队的FireRed-OCR,以仅 20 亿参数的轻量模型,在权威文档解析基准 OmniDocBench v1.5 上拿下端到端方案第一,综合得分 92.94%,超越 Gemini 3.0 Pro、DeepSeek-OCR…
120 0 0
