![语音与音频学术速递[9.11]](https://api.speechhome.com/Resources/Thumb/2026-09-11/2098360410242682880.png)
语音与音频学术速递[9.11]
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…
20 0 0
声浪
腾讯混元发布并开源统一语音基座模型 AuK ：一个模型，把语音生成和编辑全包了
语音克隆、指令驱动语音合成、语音编辑、语音增强、语音分离...如果你最近关注过语音模型，这些能力大概率分散在多个不同的模型里。 而腾讯混元最新开源的 AuK，把生成和编辑这一整条能力链，塞进了一个统一框架，并通过少步蒸馏得到了推理加速版本…
37 1 0
Tunii 推出浏览器AI工具，用于语音隔离、音频分离和音频提取
随着AI音频处理工具不断向在线化发展，一些原本需要借助专业音频软件完成的任务，如人声分离、伴奏制作和音乐分轨，如今已经可以直接通过浏览器完成。Tunii近期推出了一系列基于浏览器的AI音频工具，面向人声分离、伴奏制作、音乐分轨以及视频音频处…
18 0 0
![语音与音频学术速递[9.10]](https://api.speechhome.com/Resources/Thumb/2026-09-10/2097985691156877312.png)
语音与音频学术速递[9.10]
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…
21 0 0
阿里最新开源丨语音分离、降噪、回声消除全覆盖：FLASepformer 与 JAEC 上线
语音交互和语音通信依赖清晰、可分辨的输入信号。真实环境中的风扇、道路、键盘等背景噪声会掩盖语音，扬声器回放进入麦克风会形成回声，多人同时讲话则会造成语音混叠。降噪、声学回声消除（AEC）和语音分离分别处理这三类问题，直接影响语音识别、唤醒与…
25 0 0
Rumik-OSS 1：30 亿参数多语言 TTS 开源模型，支持 22 种语言混说
印度语音 AI 团队 Rumik 开源 Rumik-OSS 1，一款约 3B 参数的多语言 TTS 模型，支持 22 种语言、原生文字输入及语言混说，并可通过文字描述控制音色的情绪、口音和语速，同时在句子中插入笑声、轻笑和叹气等非语言声音。…
25 0 0
![语音与音频学术速递[9.9]](https://api.speechhome.com/Resources/Thumb/2026-09-10/2097979982444892160.png)
语音与音频学术速递[9.9]
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…
14 0 0
Ampixa Labs 开源 sanoTTS：最小仅 29.4 万参数，3 美元 ESP32-S3 可完全离线实时合成
地址：https://tts.ampixa.com/sanoTTS/ 尼泊尔语音 AI 实验室 Ampixa Labs 开源超小型神经 TTS 模型家族 sanoTTS，模型规模覆盖 29.4 万至 227 万参数，包含 11 个声音、6…
23 0 0
颜水成团队推出VoiceMem，语音领域首个零延迟“流式双脑”记忆架构来了！
AI与人的长期关系，需要在一次次交流中建立起来。 昨天聊过的内容，可以帮助AI理解今天的对话；今天的对话，也会成为它下一次回应的依据。 AGI Being所指向的，正是一种能够在长期相处中逐渐了解一个人的智能存在。 而在实时语音中，AI怎样…
19 0 0
中科大团队提出StreamWSR：一种面向实时场景的轻量级语音超分辨率方案
在实时通信、语音交互和音频修复等场景中，语音超分辨率（Speech Super-Resolution, SR）技术扮演着重要角色——它能够从低采样率的语音信号中重建丢失的高频成分，从而提升语音的清晰度、自然度和可懂度。 然而，如何在极低延迟…
13 0 0