![语音/音频处理学术速递[5.6]](https://api.speechhome.com/Resources/Thumb/2026-05-06/2051926808449912832.png)
声浪
![语音/音频处理学术速递[5.5]](https://api.speechhome.com/Resources/Thumb/2026-05-06/2051854439131779072.png)
清华吴志勇团队联合小米提出 TTS-PRISM：12 维精细化中文语音合成诊断框架
标题：《TTS-PRISM: A Perceptual Reasoning and Interpretable Speech Model for Fine-Grained Diagnosis》 链接：https://arxiv.org/pd…
16 0 0
![语音/音频处理学术速递[4.30]](https://api.speechhome.com/Resources/Thumb/2026-04-30/2049734535322669056.png)
![语音/音频处理学术速递[4.29]](https://api.speechhome.com/Resources/Thumb/2026-04-29/2049410287714570240.png)
小米MiMo-V2.5全量开源，再送 100 万亿 Token！
来源丨智东西 今天，小米正式开源 MiMo-V2.5 系列模型，采用MIT协议，允许商用推理部署与二次训练，无需额外授权。 ▲MiMo-V2.5-Pro在Hugging Face的开源页面截图 此前，该系列模型于4月23日开启公测，包括Mi…
29 0 0
2.1K Star！视频创作者的核弹级开源工具来了！一句话即输出成片。
FireRed-OpenStoryline将复杂的视频创作转化为自然直观的对话体验。兼顾易用性和企业级可靠性，让视频创作对初学者和创意爱好者都变得简单友好。 项目简介 FireRed-OpenStoryline是FireRedTeam团队开…
28 0 0
![语音/音频处理学术速递[4.27]](https://api.speechhome.com/Resources/Thumb/2026-04-27/2048651944268009472.png)
MAGIC-TTS：首个实现字级内容与停顿毫秒级控制的语音合成系统
在今天的语音合成系统里，听起来自然已经不再稀缺，但哪里该慢一点、哪个字该拉长、哪个位置该停顿、停多久，依然很难真正交给用户来控制。 但这恰恰是很多真实应用场景在意的问题。 比如导航播报里，“前方路口左转”中的“左转”往往需要更清楚、更突出；…
20 0 0
![语音/音频处理学术速递[4.24]](https://api.speechhome.com/Resources/Thumb/2026-04-24/2047563575450537984.png)