ICML 2025丨360° 视频到空间音频：OmniAudio 如何重新定义沉浸式体验？
当置身于一场音乐会，闭上眼睛，我们仍能凭借声音判断乐器的位置；在电影院，环绕音效让我们仿佛置身于电影场景之中。空间音频，作为一种能够模拟真实听觉环境的技术，正逐渐成为提升沉浸式体验的关键。然而，现有的技术大多基于固定的视角视频，缺乏对 36…
24 0 0
声浪
![语音/音频处理学术速递[5.19]](https://api.speechhome.com/Resources/Thumb/2025-05-19/1924400427382738944.jpg)
![语音/音频处理学术速递[5.16]](https://api.speechhome.com/Resources/Thumb/2025-05-19/1924400229113794560.jpg)
超越OpenAI、ElevenLabs，MiniMax新一代语音模型屠榜！人格化语音时代来了
最近，TTS 模型又有重磅“上新”，Speech-02语音模型一出手，就将 OpenAI、ElevenLabs 甩在了后面，登顶 Arena 榜单，成为全球第一。 性能更强之外，Speech-02 还极具性价比，成本仅为 ElevenLab…
29 0 0
![语音/音频处理学术速递[5.15]](https://api.speechhome.com/Resources/Thumb/2025-05-15/1922941226613608448.jpg)
首个多模态统一CoT奖励模型来了，模型、数据集、训练脚本全开源
来源丨机器之心 近日，腾讯混元与上海 AI Lab、复旦大学、上海创智学院联合提出全新研究工作 UnifiedReward-Think，构建出首个具备长链式推理能力的统一多模态奖励模型，首次让奖励模型在各视觉任务上真正 “学会思考”，实现对…
17 0 0
论文导读丨CCF语音对话与听觉专委会论文导读（2025年第3期）
为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期分享七篇发表在ICASSP2025上的文章。本导读论文栏目持续征稿中，欢迎踊跃投稿，投稿方式请参见…
19 0 0
![语音/音频处理学术速递[5.14]](https://api.speechhome.com/Resources/Thumb/2025-05-14/1922580913456287744.jpg)
ICASSP2025丨融合语音停顿信息与语言模型的阿尔兹海默病检测
阿尔兹海默病（Alzheimer'sDisease,AD）是一种以认知能力下降和记忆丧失为特征的渐进性神经退行性疾病，及早发现对于其干预和治疗至关重要。近期，清华大学语音与音频技术实验室（SATLab）提出了一种将停顿信息进行编码，并与语言…
15 0 0
VITA-Audio：开源超越GPT-4o？端到端延迟仅1.5秒，语音识别误差率低至7.5！
VITA 团队最新推出了突破性成果—VITA-Audio。作为一款端到端的语音模型，VITA-Audio 能在第一次前向传播中直接生成可解码的 Audio Token Chunk，大幅提升响应速度。 在 7B 参数规模下，VITA-Audi…
19 0 0