![语音/音频处理学术速递[5.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-05-09/1920679124725272576.jpg)
声浪
英伟达开源语音识别模型！0.6B 参数登顶 ASR 榜单，1 秒转录 60 分钟音频！
英伟达在5月1日发布了一款开源语音识别模型：Parakeet TDT 0.6B V2，其以 600M 参数登顶 Hugging Face Open ASR 榜单。 项目链接：
30 0 0
![语音/音频处理学术速递[5.7]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-05-08/1920314086214733824.jpg)
Gemini 2.5 Pro升级，成编程模型新王，单条文本提示即可生成完整应用
来源丨机器之心 今天，Google DeepMind 发布了 Gemini 2.5 Pro 的最新更新版本：Gemini 2.5 Pro (I/O edition)。 其最大的进步是编程能力大幅提升，不仅在 LMArena 编程排行榜上名列…
14 0 0
注意力机制中的极大值：破解大语言模型上下文理解的关键
近日，一项来自 ICML 2025 的新研究《Massive Values in Self-Attention Modules are the Key to Contextual Knowledge Understanding》揭示了大型语…
17 0 0
![语音/音频处理学术速递[5.6]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-05-07/1919945996993957888.jpg)
ICML 2025丨上交大跨媒体语言智能实验室2篇录用论文分享
ICML（International Conference on Machine Learning）是机器学习领域的顶级学术会议之一，由国际机器学习学会(IMLS)主办，被中国计算机学会认定为A类会议。会议涵盖了机器学习的各个前沿方向，包括…
26 0 0
npj Acoustics | 基于上下文嵌入的鸡尾酒会多说话人语音分离与识别
随着深度学习在语音处理领域的不断突破，多说话人语音分离与识别（Multi-talker Speech Separation & Recognition）已成为推动“鸡尾酒会问题”解决的研究热点。然而，现有方法尽管在性能上取得了一定进展，却仍…
21 0 0
![语音/音频处理学术速递[5.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-05-07/1919945834745696256.jpg)
SpeechColab排行榜：一个开源的语音识别评测平台
随着深度学习在过去十年间的蓬勃发展，自动语音识别（ASR）技术获得了广泛关注，促使大量公开可用的ASR系统应运而生，并正积极融入我们的日常生活。然而，由于各种细微差异的存在，对这些ASR系统进行公正且可复现的评估面临挑战。 本文介绍了Spe…
13 0 0