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 →
NCMMSC 2026 | DiTAR+:针对自回归扩散TTS模型的双重优化
原创a month ago
NCMMSC 2026 | DiTAR+:针对自回归扩散TTS模型的双重优化

连续表征语音生成能够保留更丰富的韵律、音色与频谱细节,但在长文本或复杂语句合成中,现有自回归扩散模型仍容易出现说话人漂移、重复、漏读、错读和语义幻觉。如何同时兼顾长程声学一致性与语义忠实度,是连续表征零样本语音合成走向稳定应用的关键问题。…

401 0 0
语音与音频学术速递[10.12]
原创a month ago
语音与音频学术速递[10.12]

今日论文合集:CS.SD语音与音频 共 18 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…

314 0 0
Cactus Compute 开源 16.9MB 语音识别模型 Whistle
原创a month ago
Cactus Compute 开源 16.9MB 语音识别模型 Whistle

Cactus Compute 发布开源语音识别模型 Whistle,面向手机、可穿戴设备、机器人、汽车和微控制器等端侧设备。 模型文件仅 16.9MB,直接在 CPU 上运行,并与其端侧工具调用模型 Needle 共用同一套 C++ 推理引…

500 0 0
语音与音频学术速递[10.9]
原创a month ago
语音与音频学术速递[10.9]

今日论文合集:CS.SD语音与音频 共 15 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…

427 0 0
AudioEdit:深入探索基础模型时代的音频编辑
原创a month ago
AudioEdit:深入探索基础模型时代的音频编辑

把录音里说错的一个词改过来,让一句话的语气更轻松,或者去掉背景中的狗叫声,同时保留原本的人声和环境声——这些看似简单的要求,正是音频编辑需要解决的问题。 随着音频生成模型的发展,用文字描述一段声音并让模型生成出来,已经有了不少可行方案。但面…

382 0 0
语音与音频学术速递[10.8]
原创a month ago
语音与音频学术速递[10.8]

今日论文合集:CS.SD语音与音频 共 14 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…

358 0 0
语音与音频学术速递[10.7]
原创a month ago
语音与音频学术速递[10.7]

今日论文合集:CS.SD语音与音频 共 18 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…

359 0 0

为语音开发者而生