
最新声浪
查看全部 →美的AI研究院丨招聘端到端语音交互大模型算法研究实习生
美的集团(上海)有限公司-AI研究院 美的集团 AI 研究院成立于 2020 年初,是美的集团旗下一级专业研发平台单位。作为美的集团(世界 500 强企业)数智化转型的核心布局,AI 研究院的创立旨在汇聚全球顶尖人工智能人才,推动 AI 技…
458 0 0
面向聋人和听障人士的AI音频字幕技术发展
来源丨AI音频时代 新泽西理工学院(NJIT)和纽约大学(NYU)的研究人员正在通过一项新资助的项目,共同在数字无障碍领域取得突破性进展,该项目旨在让在线视频内容对聋人和听力障碍(DHH)观众更具包容性。 在未来三年内,凭借美国国家科学基金…
73 0 0
【交我学-26】门控注意力、线性注意力与扩散语言模型
AudioCC交我学 在当前大模型飞速发展的背景下,我们正在见证一系列基础架构的创新突破。本文将从技术角度深入解析门控注意力、线性注意力和扩散语言模型三大创新,探讨其设计动机、实现路径与发展趋势。 一、架构创新的共同驱动力 随着模型规模不断…
109 0 0
OpenAI要跳过5.3,直接迈向GPT-5.4了?
来源丨机器之心 OpenAI 要略过 GPT-5.3,直接迈向 GPT-5.4 了? 近日,一名 OpenAI 工程师在公开的 Codex GitHub 仓库中提交了一则拉取请求(PR),无意间让 GPT-5.4 这一型号出现在代码版本判断…
83 0 0
通义最新发布语音双模型,一句话即可自由生成!
在传统语音生成中,表达方式往往依赖预设标签,例如: 固定情绪选项 预定义语气类别 限定风格模板 用户只能在有限选项中选择,而难以进行更自由、细腻的表达控制。 FreeStyle 新范式的核心突破在于 不再依赖固定标签,而是支持通过自然语言指…
66 0 0
百度开源轻量级音频大模型Eureka-Audio
标题:Eureka-Audio: Triggering Audio Intelligence in Compact Language Models 链接:https://arxiv.org/pdf/2602.13954 发表日期:2026年…
75 0 0
