2024~2025开源语音数据汇总：数十万小时多语种、儿童老人语音、医疗健康等
最近两年开源数据越来越多，大家也意识到，无论是语音识别、语音合成，还是情感分析、多模态交互，高质量的数据集都是技术进步的基石。今天为大家整理了 2024-2025 年最新发布的开源语音数据集，涵盖中文、英文、多语种等多个方向，每个数据集都附…
51 0 0
声浪
蚂蚁集团提出基于音频贡献的后训练数据分配范式，突破音频-语言大模型性能瓶颈，数据集已开源
近日，蚂蚁集团AI身份智能团队在音频-语言大模型的后训练研究上取得重要突破。团队联合香港中文大学、上海交通大学、华南理工大学、萨里大学等国内外知名学府，提出了迄今为止规模最大、质量最高的音频理解选择题数据集AudioMCQ，并基于Audio…
32 0 0
![语音/音频处理学术速递[11.24]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-24/1992886377615855616.jpg)
2025年中国科学院、中国工程院院士增选结果揭晓144人当选 名单公布
中国科学院、中国工程院11月21日公布2025年院士增选结果，分别选举产生中国科学院院士73人，中国工程院院士71人。此外，2025年中国科学院新当选外籍院士27人，中国工程院新当选外籍院士24人。 院士是我国科学技术方面和工程科技领域的最…
37 0 0
![语音/音频处理学术速递[11.21]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-24/1992785650730012672.jpg)
![语音/音频处理学术速递[11.20]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-21/1991694442855272448.jpg)
字节吴永辉&王雨轩联合署名：首个端到端语音大模型副语言评估基准与调优框架 ParaS2S
论文标题：ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction 论文地…
69 0 0
超越级联系统：端到端语音大模型设计解析
虽然文本大语言模型最近取得了很多的关注，但是对于人类而言，语音交互是更自然的方式。在语音交互常见中一个直接的方法是直接级联ASR-LLM-TTS这三个模型，然而这种直接的方式存在诸多问题。为了解决级联系统的问题端到端的语音大模型（Speec…
57 0 0