AI人工智能视频声音生成初创公司 Mirelo 获得 4100 万美元的种子轮融资
来源丨AI音频时代 2025年12月16日，德国 音频初创公司 Mirelo AI宣布完成4100万美元种子轮融资。本轮融资由Index Ventures和Andreessen Horowitz领投，Atlantic.vc与TriplePo…
40 0 0
声浪
![语音/音频处理学术速递[12.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-12-22/2003029800201097216.jpg)
NTT新成果：All-in-One ASR统一三模型双模式，手机等轻量设备落地更轻松
标题：All-in-One ASR: Unifying Encoder-Decoder Models of CTC, Attention, and Transducer in Dual-Mode ASR 地址：https://arxiv.o…
51 0 1
卡内基梅隆大学等团队改造SLM，实现高质量歌声合成
标题：Adapting Speech Language Model to Singing Voice Synthesis 链接：https://arxiv.org/pdf/2512.14657 作者单位：卡内基梅隆大学、中国人民大学、约翰霍…
42 0 0
![语音/音频处理学术速递[12.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-12-19/2001938819452112896.jpg)
OpenAI最强代码模型GPT-5.2-Codex上线
周五凌晨，OpenAI 发布 GPT-5.2-Codex，这是迄今为止最先进的智能体编码模型，专为复杂的实际软件工程而设计。 GPT-5.2-Codex 是 GPT-5.2 的升级版本，提高了指令遵循能力、对长远语境的理解能力，它针对 Co…
32 0 0
ICASSP2026类人语音对话系统（HumDial）挑战赛结果公布
从简单的指令执行到具备“心智”的情感共鸣，AI 语音交互正在经历怎样的蜕变？在人工智能飞速发展的今天，我们渴望的不再仅仅是一个“有问必答”的助手，而是一个能听懂弦外之音、能接住突发话茬的“知心伙伴”。 最近，ICASSP 2026 发起类人…
46 1 0
![语音/音频处理学术速递[12.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-12-18/2001586773578354688.jpg)
分割一切、3D重建一切还不够，Meta开源SAM Audio分割一切声音
继 SAM（Segment Anything Model）、SAM 3D后，Meta 又有了新动作。 深夜，Meta 放出音频分割模型SAM Audio，其通过多模态提示（无论是文本、视觉，还是标注时间片段），让人们能够轻松地从复杂的音频混…
45 0 0
用语音+文本联合训练，搞定跨域口语对话状态跟踪（DST）
标题：Joint Speech and Text Training for LLM-Based End-to-End Spoken Dialogue State Tracking 地址：https://arxiv.org/pdf/2511.…
41 0 0