声浪

语音小管家

转载a year ago

今天，我们正式推出通义千问系列最新的语音识别模型 Qwen3-ASR-Flash，它基于Qwen3基座模型，经海量多模态数据以及千万⼩时规模的ASR（自动语音识别）数据训练构建而成。 Qwen3-ASR-Flash实现了⾼精度⾼鲁棒性的语⾳…

语音小管家

转载a year ago

来源丨量子位 让大模型破译从未见过的甲骨文，准确率拿下新SOTA！ 自复旦大学的研究人员提出了一种基于部首和象形分析的可解释甲骨文破译框架—— 不仅在公开基准数据集HUST-OBC和EV-OBC上，达到最先进的Top-10识别准确率以及优异…

语音小管家

原创a year ago

语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 8490 万母语使用者的粤语而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终不…

语音小管家

转载a year ago

今天介绍下工程方法的内容，在移动设备和嵌入式系统中，高效的数字信号处理（DSP）算法至关重要。快速傅里叶变换（FFT）作为核心算法之一，其性能直接影响到音频处理、图像分析、通信等多个应用领域。本文将介绍一个在端侧计算十分高效基于NEON的F…

语音小管家

原创a year ago

最近，OpenAI 的 GPT Realtime 和 Google 的 Gemini 2.5 接连亮相，给语音助手带来了「真正的“实时对话”」体验 —— 你说一句，它就秒接；它正说，你也能随时打断，回应自然不尬聊。这才是真正像人一样“插话”…

语音小管家

转载a year ago

SoundAI公司近期发表在arXiv上的前沿研究《The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatil…

语音小管家

原创a year ago

近几年，空间音频从“更高质量到音频”走向“可被理解与生成的三维声场”。它不只是把声音变“立体”，而是让系统理解声源的方位、距离、运动，并能按需生成。在AR/VR、影视、游戏与交互内容的牵引下，研究重心也从传统的信号级处理迈向多模态、可控生成…