![语音/音频处理学术速递[11.5]](https://api.speechhome.com/Resources/Thumb/2025-11-06/1986266614504493056.jpg)
声浪
字节Seed团队发布循环语言模型Ouro，在预训练阶段直接「思考」，Bengio署名
现代 LLM 通常依赖显式的文本生成过程（例如「思维链」）来进行「思考」训练。这种策略将推理任务推迟到训练后的阶段，未能充分挖掘预训练数据中的潜力。 为解决这一问题，字节 Seed 团队联合多家机构推出了Ouro，一类被称为循环语言模型（L…
22 0 0
抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入
来源丨机器之心 近日，字节跳动抖音 SAIL 团队联合香港中文大学 MMLab 提出 SAIL-Embedding——一款专为大规模推荐场景设计的全模态嵌入基础模型。 SAIL-Embedding 不仅实现了视觉、文本、音频的统一表征，更在…
19 0 0
![语音/音频处理学术速递[11.4]](https://api.speechhome.com/Resources/Thumb/2025-11-04/1985644692024463360.jpg)
![语音/音频处理学术速递[11.3]](https://api.speechhome.com/Resources/Thumb/2025-11-03/1985283401812414464.jpg)
WEST来了，一站式搞定语音理解、生成与对话
大语言模型（LLM）的爆发式发展彻底改变了人工智能的学习与应用范式。如今，这股变革力量又延伸到了语音领域，由西北工业大学、南京大学和WeNet社区研发的WEST（WE Speech Toolkit）正式开源，它以LLM为核心，打通语音识别、…
20 0 0
Soul App与西工大、上交大开源语音合成模型 SoulX-Podcast，登顶HuggingFace TTS趋势榜！
近日，Soul App AI团队（Soul AI Lab）与西北工业大学ASLP@NPU团队和上海交通大学X-LANCE Lab正式开源语音播客生成模型SoulX-Podcast。该模型是一款专为多人、多轮对话场景打造的语音生成模型，支持中…
21 0 0
![语音/音频处理学术速递[10.31]](https://api.speechhome.com/Resources/Thumb/2025-11-03/1985283569496494080.jpg)
![语音/音频处理学术速递[10.30]](https://api.speechhome.com/Resources/Thumb/2025-10-30/1983781752669343744.jpg)
![语音/音频处理学术速递[10.29]](https://api.speechhome.com/Resources/Thumb/2025-10-30/1983722018104807424.jpg)