第三届CCF语音对话与听觉处理前沿进展研讨会技术报告(RASDAP2026 Technical Report)
当前语音对话与听觉处理领域蓬勃发展，学术界与工业界不断涌现创新的技术与产品，为了更好地推动经验交流与前瞻研讨，由中国计算机学会（CCF）语音对话与听觉专委会发起的第三届CCF语音对话与听觉处理前沿进展研讨会（RASDAP2026，Recen…
36 1 0
声浪
Ctx2Skill：如何让大模型从复杂文档直接构建 Skills？
近年来，大语言模型在复杂推理、代码生成以及智能体等方向不断突破，一个更接近真实世界的问题也逐渐浮出水面：模型是否真的能够从复杂上下文中学习？ 现实中的许多任务，其关键知识并不存在于模型预训练记忆里，而是隐藏在冗长、专业且此前从未见过的专业文…
47 0 0
![语音/音频处理学术速递[5.11]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-05-11/2053777839127400448.png)
论文导读丨CCF语音对话与听觉专委会论文导读（2026年第5期）
本期分享杭州电子科技大学和上海交通大学近期被IEEE Transactions on Audio, Speech and Language Processing接收的语音增强方面的工作，论文链接、代码链接见文末。 SelfSE:Self-S…
35 0 0
WavCube：一个 128 维连续表征，同时搞定语音理解、重建与生成
以下文章来源丨模型之声 标题：《WavCube: Unifying Speech Representation for Understanding and Generation via Semantic-Acoustic Joint Mod…
39 0 0
StepAudio 2.5 Realtime 上线！真人级实时语音对话能力，千万人设任你打造
今天，阶跃正式发布新一代实时语音大模型StepAudio 2.5 Realtime！ 我们希望创造更有“活人感”的 AI 聊天搭子：有温度、有灵魂、有态度。为此重点聚焦三大能力突破： 顶级副语言能力：实现真人级深度感知，精准听懂对话里的弦外…
40 0 0
语音输入喊了这么多年，千问电脑版一出手就把键盘卷没了？
来源｜机器之心 AI 正在悄悄改变人与电脑的交互方式，而下一个被重塑的，可能就是每天发生几百次的「输入」这个动作。 语音输入并非新概念。从早期的 Siri、Google Assistant，到近几年 Whisper、Otter.ai 等工具…
33 0 0
X-Voice：0.4B参数狂飙30语种零样本克隆，AI配音彻底杀疯了
论文标题：X-Voice: Enabling Everyone to Speak 30 Languages via Zero-Shot Cross-Lingual Voice Cloning 论文链接：https://arxiv.org/a…
33 0 0
![语音/音频处理学术速递[5.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-05-08/2052672917669548032.png)
OpenAI 「实时语音」架构首次公开
以下文章来源于丨赛博禅心 Realtime API 是 OpenAI 的实时语音交互接口，在 24 年的 DevDay 首次亮相，当时还是 beta，调用贵到离谱，音频输出 200 刀/百万 token：OpenAI 凌晨发布：Realti…
47 0 0