Cactus Compute 开源 16.9MB 语音识别模型 Whistle
Cactus Compute 发布开源语音识别模型 Whistle，面向手机、可穿戴设备、机器人、汽车和微控制器等端侧设备。 模型文件仅 16.9MB，直接在 CPU 上运行，并与其端侧工具调用模型 Needle 共用同一套 C++ 推理引…
开源资讯
22 0 0
声浪
AudioEdit：深入探索基础模型时代的音频编辑
把录音里说错的一个词改过来，让一句话的语气更轻松，或者去掉背景中的狗叫声，同时保留原本的人声和环境声——这些看似简单的要求，正是音频编辑需要解决的问题。 随着音频生成模型的发展，用文字描述一段声音并让模型生成出来，已经有了不少可行方案。但面…
资讯算法
19 0 0
![[NCMMSC 2026] 青年论坛｜从语音大模型到音乐脑机接口，10场前沿报告齐聚横琴](https://api.speechhome.com/Resources/Thumb/2026-10-08/2108125140083675136.png)
[NCMMSC 2026] 青年论坛｜从语音大模型到音乐脑机接口，10场前沿报告齐聚横琴
声学智能的前沿探索与青年力量 当语音技术不再只是“听清楚、说出来”，当声音开始与大模型、多模态智能、医疗健康、脑科学、低资源语言深度交叉，我们正在进入一个更加丰富的声学智能时代。 从低码率语音编解码、语音增强与合成，到音频推理、副语言表达与…
19 0 0
VoxMem：音频大模型能跨会话记住说话人、语气和环境声吗？
语音助手正在从“一问一答”走向跨越多次会话的长期交互。用户上周提过的计划、某位家庭成员说过的话、某次对话时的语气，都可能在之后被问起。但语音里的信息远不止文字：谁说的、怎么说的、背景里有什么声音，都只存在于音频信号里，一旦转成文字就丢失了。…
资讯算法
25 0 0
Edge0 发布中英双语流式语音识别模型 Audio8-ASR-Infinite
Edge0 发布 Audio8-ASR-Infinite 预览版，面向中英文实时语音识别，提供 80、120 和 160ms 三档流式音频时钟，并可将转写延迟配置在 240–560ms。 模型原生上下文为 30 秒，但通过滚动 KV 缓存持…
算法资讯
18 0 0
活动报名：OpenAI 和 Thinking Machines 都押注的实时交互模型，下一步往哪走？丨iRTE 2026
过去一年，OpenAI、Thinking Machines Lab 等多模态团队开始把注意力从「生成更拟人的语音回答」，迈向一个更难的问题：AI 如何真正参与一场实时发生的互动。 全双工模型让智能体边听边说，全模态让语音、视觉等信息协同判断…
资讯算法
17 0 0
ICASSP 2027丨ADD 2026国际挑战赛开放报名
虚假音频检测技术日益受到关注，但现有技术仍存在两方面的局限：一是人工模仿音频检测。真人模仿者可复现目标说话人的韵律、音色和风格，与AI合成音频不同，人工模仿音频无明显生成痕迹，对现有检测方法构成严峻挑战。二是可解释性检测。为增强检测可信度，…
36 0 0
ICASSP 2027丨赛事合集
IEEE 国际声学、语音与信号处理会议（ICASSP）是 IEEE 信号处理学会的旗舰会议，每年汇聚全球信号处理、人工智能、通信、感知与多媒体等领域的顶尖专家学者，围绕相关议题展开交流与讨论，推动信号处理理论、方法及应用的创新发展。第52届…
30 0 0
蚂蚁发布MECT声纹模型：MoE构架刷新VoxCeleb SOTA，并实现100ms流式声纹推理，代码模型已开源
近日，蚂蚁集团-大安全机器智能-AI身份智能团队，推出基于混合专家机制（MoE）的声纹识别模型 MECT（Mixture of Experts CNN-Transformer），首次将 MoE 机制引入全监督训练说话人识别领域。在权威基准
开源资讯算法
31 0 0
ISCSLP 2026丨ASLP@NPU&NJU实验室8篇录用论文分享
中文口语语言处理国际学术会议（International Symposium on Chinese Spoken Language Processing, ISCSLP）是国际语音通信协会中文口语语言处理特别兴趣组（ISCA SIG-CSL…
算法资讯
24 0 0