技术漫谈｜GPT-Live 之后，我们重新掂量「像人」这件事
两周前 OpenAI 上线GPT-Live，社交媒体上的形容词高度趋同："像人"、"有温度"、"跟朋友聊天一样"。往前推两个月，Thinking Machines Lab 放出第一批 Interaction Models；同期 xAI 的g…
45 0 0
声浪
腾讯发布 Hy ASR 3.0 preview：通用识别、方言覆盖、场景鲁棒性全面提升
来源：机器之心 刚刚，腾讯混元正式发布新一代语音识别模型 Hy ASR 3.0 preview。基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语音识别与深度语义理解能力，在通用识别、上下文感…
41 0 0
![语音与音频学术速递[8.4]](https://api.speechhome.com/Resources/Thumb/2026-08-04/2084564654583058432.png)
欧盟的新AI法现已生效：音频行业从业者需了解的事项
以下文章来源：电影声音网 欧盟《人工智能法案》透明度要求已于2026年8月2日生效。 如果你正在使用人工智能对面向欧盟受众的作品进行音频、对话或视频的编辑、修改或生成，那么无论你身处何地，本周末生效的披露规则都将适用。以下是摘要。 01、欧…
31 0 0
Interspeech2026 | MeanVC 2：面向低延迟与鲁棒性的流式零样本语音转换
零样本语音转换旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。随着实时通信、直播互动、在线会议、游戏语音等应用场景的发展，语音转换系统对低延迟、轻量化和高保真流式推理能力提出了更高要求。此前提出的 MeanVC 通过…
35 0 0
千问发布 Qwen3.8-Max，2.4 万亿参数，首次开源 Max 级模型
通义千问团队今日正式发布 Qwen 3.8-Max，参数规模达 2.4 万亿（活跃参数 95B），成为 Qwen 家族迄今最强的模型，模型权重将于下周开源。这是 Qwen 首次对 Max 级别模型开放权重。 千问AI平台：https://w…
37 0 0
![语音与音频学术速递[8.3]](https://api.speechhome.com/Resources/Thumb/2026-08-03/2084180868976480256.png)
全双工口语对话系统综述：架构层级、交互本体与决策状态机（二）
以下文章来源于乐百一家 论文题目：A Survey of Full-Duplex Spoken Dialogue Systems: Architectural Hierarchy, Interaction Ontology, and Dec…
36 0 0
模型上新｜Qwen-Audio-3.0-Gen-Preview：从"分别生成"到"统一编排"
今天，阿里千问发布Qwen-Audio-3.0-Gen-Preview。它把各类音频元素的生成与编排统一到同一个模型里，只需一段场景描述，就能在同一条时间轴上同时生成多角色对白、环境声、动作音效和背景音，输出可直接使用的成品音轨。 技术报告…
40 0 0
字节发布 Seedance 2.5，可单次生成30秒视频
来源丨字节跳动Seed 今天，字节发布新一代视频创作模型Seedance 2.5。 Seedance 2.0 发布后，团队观察到，用户对视频创作模型的期待正在从"生成一个片段"走向"完成一段创作"。Seedance 2.5 延续了 Seed…
32 0 0