![语音/音频处理学术速递[11.7]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-10/1987812069130506240.jpg)
声浪
语音大模型综述：全面解读口语语音大模型（SLM）的发展历程与未来挑战
前言：今天arxiv发消息，CS板块不再接收未经同行评审的综述类文章，不好评论，只记得十年前，综述都是顶刊邀请，IEEE Fellow坐镇，再加上几个Senior，几年才有一篇，当宝贝一样来回读，近几年综述是挺多的。。。以后既然不再接收新的…
72 0 0
![语音/音频处理学术速递[11.6]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-10/1987811811981922304.jpg)
DiffRhythm 2：非自回归的高效 × 自回归的灵魂，AI音乐创作的新纪元
音乐作为艺术表达的重要形式，蕴含深厚的文化内涵。近年来，随着深度学习技术的快速发展，音乐生成领域取得了显著进展。在众多方法中，非自回归框架因其高效生成能力备受关注。例如，音频语音与语言处理研究组（ASLP Lab）年初开源的DiffRhyt…
55 0 1
![语音/音频处理学术速递[11.5]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-06/1986266614504493056.jpg)
字节Seed团队发布循环语言模型Ouro，在预训练阶段直接「思考」，Bengio署名
现代 LLM 通常依赖显式的文本生成过程（例如「思维链」）来进行「思考」训练。这种策略将推理任务推迟到训练后的阶段，未能充分挖掘预训练数据中的潜力。 为解决这一问题，字节 Seed 团队联合多家机构推出了Ouro，一类被称为循环语言模型（L…
38 0 0
抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入
来源丨机器之心 近日，字节跳动抖音 SAIL 团队联合香港中文大学 MMLab 提出 SAIL-Embedding——一款专为大规模推荐场景设计的全模态嵌入基础模型。 SAIL-Embedding 不仅实现了视觉、文本、音频的统一表征，更在…
38 0 0
![语音/音频处理学术速递[11.4]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-04/1985644692024463360.jpg)
ACM MM 2025丨北邮人工智能学院智能语音与情感交互实验室获奖项目分享
来源丨智能语音与情感交互实验室 本期分享北京邮电大学人工智能学院智能语音与情感交互实验室在ACM MM 2025会议组织的基于虚拟人的多模态共情响应生成挑战赛AvaMERG上获奖项目。 论文地址：https://dl.acm.org/doi…
39 0 0
![语音/音频处理学术速递[11.3]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-11-03/1985283401812414464.jpg)