![语音/音频处理学术速递[7.18]](https://api.speechhome.com/Resources/Thumb/2025-07-18/1946108090764103680.jpg)
声浪
全球首创！B站推出影视级TTS语音模型，支持零样本语音+情绪双克隆，精准时长控制！
近年来，文本转语音（TTS）技术在影视配音、虚拟助手等领域需求激增，而高自然度和控制能力成为关键。而能将 TTS 技术做到“影视级”水准的，即使在全球范围内也是屈指可数。 但近日，B站语音团队推出了全新一代语音合成模型：IndexTTS2，…
21 0 0
![语音/音频处理学术速递[7.17]](https://api.speechhome.com/Resources/Thumb/2025-07-18/1946094394151145472.jpg)
![语音/音频处理学术速递[7.16]](https://api.speechhome.com/Resources/Thumb/2025-07-16/1945419716680093696.jpg)
ACL 2025丨TCSinger2：高度可定制化的多语言零样本歌声合成
零样本歌声合成（SVS）旨在基于音频或文本提示，生成具有未见过的多级别风格的高质量歌声。该领域在专业音乐创作和短视频配音方面具有广泛的潜在应用。尽管传统的歌声合成任务已经取得了显著进展，但人们对更具定制化的体验需求日益增长。这不仅包括通过音…
16 0 0
![语音/音频处理学术速递[7.15]](https://api.speechhome.com/Resources/Thumb/2025-07-16/1945330279275171840.jpg)
![语音/音频处理学术速递[7.14]](https://api.speechhome.com/Resources/Thumb/2025-07-16/1945330164158304256.jpg)
阿里通义开源首个CoT音频模型，比MMAudio更强视频配音！
近日，阿里通义实验室开源了旗下首个音频生成模型ThinkSound，该模型首次将CoT（Chain-of-Thought，思维链）应用到音频生成领域，让AI可以像专业音效师一样逐步思考，捕捉视觉细节，生成与画面同步的高保真音频。 目前，Th…
16 0 0
![语音/音频处理学术速递[7.11]](https://api.speechhome.com/Resources/Thumb/2025-07-16/1945330054062018560.jpg)
中文语音领域超强 “活人感” 模型来了，Soul App 升级自研端到端全双工语音通话大模型
近日，社交平台Soul App正式升级自研端到端全双工语音通话大模型，发布SoulX-DuoVoice。新模型摒弃了传统语音交互中依赖的 VAD（话音激活检测）机制与延迟控制逻辑，打破行业中普遍存在的“轮次对话”模式，赋予 AI 自主决策对…
27 0 0