![语音/音频处理学术速递[5.12]](https://api.speechhome.com/Resources/Thumb/2026-05-13/2054506350079250432.png)
声浪
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…
26 1 0
![语音/音频处理学术速递[5.11]](https://api.speechhome.com/Resources/Thumb/2026-05-11/2053777839127400448.png)
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…
31 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…
30 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…
23 0 0
![语音/音频处理学术速递[5.8]](https://api.speechhome.com/Resources/Thumb/2026-05-08/2052672917669548032.png)
![语音/音频处理学术速递[5.7]](https://api.speechhome.com/Resources/Thumb/2026-05-07/2052316718042320896.png)
Doubao-Seed-2.0-lite升级，支持全模态理解
今天，Doubao-Seed-2.0-lite 升级新版本，这是豆包大模型家族首款全模态理解模型，支持视频、图像、音频、文本原生统一理解，Agent、Coding 与 GUI 能力同步升级。在同等算力成本下，是企业大规模、批量化部署全模态推…
27 0 0
MINT-Bench: 面向指令遵循语音合成的综合性多语言细粒度诊断评测基准
在当前指令遵循式语音合成（Instruction-Following TTS）快速发展的背景下，如何系统性地评估模型是否真正“听懂并执行”了用户的自然语言声音指令，已成为制约该领域发展的关键瓶颈。现有的评测方案普遍面临覆盖维度有限、诊断粒度…
24 0 0