声浪

语音小管家

转载9 months ago

标题： LEMAS: A 150K-Hour Large-scale Extensible Multilingual Audio Suite with Generative Speech Models 链接： https://arxiv.o…

语音小管家

转载9 months ago

近日，IEEE 国际声学、语音与信号处理会议（ICASSP 2026）公布了论文录用结果。本期分享西工大音频语音与语言处理研究组（ASLP@NPU）中稿的8篇论文，涉及智能语音处理领域的众多研究方向。以下是本届会议发表论文的相关信息，附带论…

语音小管家

转载9 months ago

最近，微软开源了VibeVoice-ASR，我也第一时间进行了体验。首先，对微软团队开源这个模型表示感谢。尽管在测试过程中发现了一些问题，但任何开源工作都值得尊重。作为开源工作，我们没有任何理由要求太多，这些问题也都是可以解决的，况且微调代…

语音小管家

转载9 months ago

论文题目： Closing the Modality Reasoning Gap for Speech Large Language Models 论文链接： https://arxiv.org/abs/2601.05543 从 GPT-4…

语音小管家

转载9 months ago

近日，IEEE 国际声学、语音与信号处理会议（ICASSP 2026）公布了论文录用结果。本期分享语音及语言信息处理国家工程研究中心智能语音信息处理团队中稿的18篇论文，论文方向涵盖语音识别、语音合成、话者识别、语音增强、情感识别、声音事件…

语音小管家

转载9 months ago

Qwen3-TTS是由Qwen开发的一系列功能强大的语音生成，全面支持音色克隆、音色创造、超高质量拟人化语音生成，以及基于自然语言描述的语音控制，为开发者与用户提供最全面的语音生成功能。 依托创新的Qwen3-TTS-Tokenizer-1…

语音小管家

转载9 months ago

近日，IEEE 国际声学、语音与信号处理会议（ICASSP 2026）公布了论文录用结果。本期分享小米中稿的7篇论文。 1、ACAVCAPS: ENABLING LARGE-SCALE

语音小管家

转载9 months ago

在AI语音合成领域，能精准听懂自然语言指令、实现细粒度控制的开源工具一直是行业痛点。近期，西工大音频语音与语言处理研究组（ASLP@NPU）与语图智能技术公司（Yutu Zhineng）、上海灵光乍现技术团队（Shanghai Linggu…