![语音/音频处理学术速递[11.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-27/1993987900173324288.jpg)
声浪
使用Auden-Voice语音编码器同时捕捉说话人身份与副语言信息
题目：《Auden-Voice: General-Purpose Voice Encoder for Speech and Language Understanding》 地址：https://arxiv.org/pdf/2511.1514…
26 0 0
![语音/音频处理学术速递[11.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-26/1993626873762025472.jpg)
“听音识病”：AI如何让语音成为医疗诊断的新窗口
语音，不仅是人类沟通的载体，更是健康状态的“声纹”。随着人工智能与计算机听觉技术的飞速发展，语音信号正在成为一种新的医学信息源，为疾病筛查、心理评估与神经障碍检测提供全新的非侵入式途径。近期，北京理工大学钱昆教授、胡斌教授团队联合日本东京大…
25 0 0
【语音技术和应用趋势分享系列（2/10）】端到端语音对话系统的丰满理想和骨感现实
本系列的十篇文章，是对之前文章 原文链接 AI语音AI思考，公众号：AI语音AI思考关于未来语音技术和应用趋势的10点看法 中提到的十个趋势进行详细的剖析。在这个系列文章中，会穿插科普、技术综述、技术发展路线，以及一些个人和其他行业专家的思…
24 0 0
![语音/音频处理学术速递[11.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-26/1993626770057859072.jpg)
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…
42 0 0
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…
21 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)
