EMNLP 2025丨VersBand：基于提示控制的多功能歌曲生成框架
歌曲生成的核心是基于各种提示生成可控的高质量歌曲。然而，现有方法难以生成具有提示控制的人声和伴奏，且不能实现两者间很好的对齐。此外，它们在支持多种歌曲相关的任务方面，如歌声风格迁移，人声配伴奏，也存在不足。 为解决这些挑战，来自浙江大学的学…
37 0 0
声浪
在大模型时代，机器翻译有哪些新变化？
大家好，欢迎来到「AudioCC交我学」专栏！ 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术…
35 0 0
![语音/音频处理学术速递[8.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-26/1960270719912906752.jpg)
EMNLP2025丨南京大学自然语言处理研究组六篇录用论文分享
EMNLP（Conference on Empirical Methods in Natural Language Processing）是自然语言处理领域顶级国际会议之一，其涉及领域包括但不限于机器翻译、文本生成、文本分类、信息抽取、问答…
41 0 0
首个接入GPT-5的视频Agent！一句话生成商业级广告大片，分镜配音字幕等全包了
来源丨新智元 一句话即生爆款AI视频的时代来临！全球首个接入GPT-5的视频智能体——Video Ocean正颠覆创作领域，轻松hold各种素材，全流程AI自主完成，一键解锁好莱坞级大片。 一句话生成分钟级爆款视频的时代已经到来！ 在软件领…
31 0 0
![语音/音频处理学术速递[8.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-26/1960270500802465792.jpg)
理想同学发布 MindGPT 3.1：极速推理的智能体语言模型
来源丨AI理想同学 近日，理想同学发布了基座模型 MindGPT 3.1 ，是具备极速推理能力的智能体语言模型。 MindGPT 3.1 具备如下能力： 极速响应：每秒出字速度最高可达 200 Tokens，相比上一代模型 MindGPT…
31 0 0
![语音/音频处理学术速递[8.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-08-22/1958792452290777088.jpg)
NVIDIA 发布多语言语音 AI 的开源数据集和模型 包含100万小时音频
来源丨AI音频时代 NVIDIA 在多语种语音 AI 领域迈出重要一步，正式发布了Granary 数据集和两款最新模型Canary-1b-v2与Parakeet-tdt-0.6b-v3，为欧洲语言的自动语音识别与语音翻译设立了全新基准。 在…
60 0 0
早鸟票开放注册 | 第二十届全国人机语音通讯学术会议(NCMMSC 2025)
全国人机语音通讯会议是国内语音领域广大专家、学者和科研工作者交流最新研究成果，促进该领域研究和开发工作不断进步的重要舞台。该系列会议自1990年开创以来已成功召开了十九届。2025年第二十届全国人机语音通讯学术会议（National Con…
37 0 0