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 →
LoOPSD:让大模型向“多算几层的自己”学习
原创18 days ago
LoOPSD:让大模型向“多算几层的自己”学习

近年来,在线策略蒸馏(On-Policy Distillation,OPD)逐渐成为提升大语言模型推理能力的重要方法。它让学生在自己生成的回答轨迹上,学习教师提供的 token 级预测。进一步地,在线策略自蒸馏(On-Policy Self…

176 0 0
语音与音频学术速递[11.2]
原创18 days ago
语音与音频学术速递[11.2]

今日论文合集:CS.SD语音与音频 共 11 篇,本文展示前 8 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…

237 0 0
Qwen 团队开源 23 种语言 Agent 评测基准
原创20 days ago
Qwen 团队开源 23 种语言 Agent 评测基准

Qwen 团队与高校及蚂蚁国际研究者推出 BabelArena,并在魔搭社区开源多语言 Agent 评测数据:23 种语言、13 个领域、702 个原始任务,共 16,146 个语言版本。 配套工作流 BabelFlow 协同适配任务、提示…

331 0 0
语音与音频学术速递[10.30]
原创21 days ago
语音与音频学术速递[10.30]

今日论文合集:CS.SD语音与音频 共 12 篇,本文展示前 8 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…

213 0 0
复杂识别、多语种、声学前端、传输重构、防伪检测与 Agent 落地:语音 AI 的真实工程实战丨iRTE2026 音频 AI 技术专场回顾
原创21 days ago
复杂识别、多语种、声学前端、传输重构、防伪检测与 Agent 落地:语音 AI 的真实工程实战丨iRTE2026 音频 AI 技术专场回顾

在安静的房间里,你可以轻松地与 AI 对话。但如果站在嘈杂的马路边,对着汽车说一句「打开后备箱」,它还能准确听懂吗?如果身边有几个人同时说话,AI 能否判断谁才是正在向它发出指令的人?如果用户说的是一个生僻地名、带有明显地区口音的普通话或方…

208 0 0

为语音开发者而生