声浪

语音小管家

转载6 months ago

论文标题: Qwen3.5-Omni Technical Report 论文链接: https://arxiv.org/abs/2604.15804v1 代码链接: https://modelscope.cn/studios/Qwen/Qw…

语音小管家

转载6 months ago

本次分享由内蒙古大学24级博士生张锦华、内蒙古大学刘瑞教授与香港中文大学（深圳）/ 深圳河套学院 李海洲教授合作发表在IEEE Transactions on Audio, Speech and Language Processing 20…

语音小管家

转载6 months ago

通义实验室正式推出 Fun-ASR1.5， 实现了「方言工业级可用」的语音识别大模型 。 它基于统一的大模型架构，单模型即可无缝覆盖30种语言、汉语七大方言体系及20+地方口音，古诗词吟诵也能精准转写。测试显示，典型方言场景字错误率（CER…

语音小管家

转载6 months ago

论文链接: https://arxiv.org/abs/2604.10708v1 代码链接: https://zeyuet.github.io/Audio-Omni 发表会议: arxiv Sora 带火了视频生成，但音频 AI 却一直深陷…

语音小管家

转载6 months ago

论文标题：Seedance 2.0: Advancing Video Generation for World Complexity 论文链接：https://arxiv.org/abs/2604.14148v1 代码链接：https://…

语音小管家

转载6 months ago

随着语音合成与语音转换技术的快速发展，语音深度伪造(Speech Deepfake)正变得愈发逼真与普及。从早期的整句生成，到如今更具隐蔽性的局部篡改(Partial Spoofing)，攻击者可以仅修改语音中的关键片段(如数字、人名或关键…

语音小管家

转载6 months ago

体量轻巧、推理高效，Qwen3.6-35B-A3B 开源！ 这是一款采用稀疏混合专家（MoE）架构的高效模型：总参数350 亿，每次推理仅激活30 亿参数。 参数量虽小，性能依旧强劲。在智能体编程上，它大幅超越前代 Qwen3.5-35B-…