![语音/音频处理学术速递[3.2]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-02/2028380756086231040.png)
声浪
通义最新发布语音双模型，一句话即可自由生成！
在传统语音生成中，表达方式往往依赖预设标签，例如： 固定情绪选项 预定义语气类别 限定风格模板 用户只能在有限选项中选择，而难以进行更自由、细腻的表达控制。 FreeStyle 新范式的核心突破在于 不再依赖固定标签，而是支持通过自然语言指…
54 0 0
百度开源轻量级音频大模型Eureka-Audio
标题：Eureka-Audio: Triggering Audio Intelligence in Compact Language Models 链接：https://arxiv.org/pdf/2602.13954 发表日期：2026年…
58 0 0
![语音/音频处理学术速递[2.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-02-27/2027277623058632704.png)
击败谷歌、英伟达！清华陈建宇×斯坦福Chelsea团队世界模型Ctrl-World具身能力登顶全球
来源丨机器之心 在全球具身智能领域的顶级权威评测 WorldArena 榜单中，清华陈建宇（星动纪元创始人）团队联合斯坦福 Chelsea Finn（PI 创始人） 团队研发的 Ctrl-World 世界模型交出优异答卷： 具身任务能力斩获…
48 0 0
从 “能说话” 到 “会说话”：Meta+MIT 联手打出 GSRM “声学 + 推理” 组合拳，合成语音自然度赢率飙升 82%
以下文章来源于AI随想录，作者William 论文标题: GSRM: Generative Speech Reward Model for Speech RLHF 论文链接: https://arxiv.org/pdf/2602.13891…
44 0 0
![语音/音频处理学术速递[2.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-02-26/2026964955546390528.png)
![语音/音频处理学术速递[2.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-02-26/2026859019481780224.png)
谷歌Gemini 3.1 Pro增加音乐生成功能
来源丨新智元、AI音频时代 谷歌在 7.5 亿月活的 Gemini 中上线了 AI 音乐生成功能，输入一句话或一张照片，几秒就能得到一首带人声和歌词的完整歌曲。背后是 DeepMind 最新的 Lyria 3 模型，训练数据超 200 万首…
37 0 0
SpeechJudge：让机器真正理解“人类觉得什么是自然”
语音合成（TTS）领域长期存在一个矛盾：机器判断的“自然”与人类主观感受脱节。 这样的场景常常出现：你让AI生成一段语音，客观指标显示“完美”（如WER=0、FAD极低），但听起来却像机器人在背书。 如何让机器get到人类觉得“自然”的点？…
47 0 0