NVIDIA 开源 Audio Flamingo Next：百万小时音频训练、时间戳 CoT 推理，长音频理解超越 Gemini 2.5 Pro
标题：《Audio Flamingo Next: Next-Generation Open Audio-Language Models for Speech, Sound, and Music》 链接：https://arxiv.org/a…
27 0 0
声浪
融声向善语音资源开源计划丨AISHELL-6 系列特殊声学特征语音语料库全面开放，助力人机交互向善发展
为促进语音技术的多元化与包容性发展，推动人工智能真正惠及每一位用户，希尔贝壳秉持“技术向善”的理念，联合西北工业大学、中国科学技术大学、南开大学、昆山杜克大学、新加坡南洋理工大学、佐治亚理工学院、StammerTalk、WeNet等顶尖学术…
18 0 0
蚂蚁开源最大具身智能基座模型Lingbot-VLA，20000小时真机数据、性能吊打英伟达GR00T和π0.5
本文来源丨蚂蚁灵波科技 从3000小时到整整20000小时。真实世界数据里的Scaling Law，直接喂出了个最强VLA（Vision-Language-Action）基座模型！ 这就是蚂蚁灵波今天开源的具身智能基座模型——LingBot…
20 0 0
开源发布丨AISHELL-6-Whisper 语料库
为促进语音技术多元化发展、推动AI在特殊语音场景下的研究与落地，希尔贝壳联合昆山杜克大学正式开源“AISHELL-6-Whisper 语料库”。作为稀缺的耳语—正常音平行对齐资源，本数据集的发布旨在填补相关领域开源数据的空白，为学术界与工业…
20 0 0
全球最大具身智能数据集开源，包含10000小时数据！存储总量达95TB！
来源丨机器之心、具身智能大讲堂 Gen Robot.AI团队在Hugging Face平台公开了10Kh RealOmni-Open数据集，该数据集累计包含超10000小时数据、100万+任务剪辑，存储总量达95TB，是当前行业内规模领先的…
14 0 0
RoboCOIN：全球最大双机械臂数据开源！
在具身智能迈向真实世界应用的关键阶段，大规模、高质量、多平台兼容的机器人操作数据已成为制约技术突破的核心瓶颈。 为破解这一难题，北京智源人工智能研究院联合蚂蚁天玑实验室、银河通用、乐聚、软通天擎、松灵、星海图、智平方、睿尔曼等产业先锋，以及…
16 0 0
MNV-17开源： 包含了17类非语言发声（NV）的ASR数据集，为NV感知ASR建立新基准
主流自动语音识别（ASR）系统在转写词汇内容上表现优异，但普遍忽略了语音中蕴含的叹气、笑声等非语言发声（Nonverbal Vocalizations, NVs）。这一能力缺失限制了系统对人类交流意图与情感的全面理解，使得NV感知ASR（N…
18 0 0
WenetSpeech-Yue: 首个具有多维度标注的大规模粤语语音语料库开源！
语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 8490 万母语使用者的粤语而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终不…
17 1 0
MIMII 数据集：首个专注于工业机器声音的开放数据集
来源丨故障诊断与Python学习 MIMII声音数据集提供首个专注于工业机器声音的开放数据集，支持无监督异常检测算法的开发与评估，推动自动化设备维护研究。 论文：MIMII DATASET: SOUND DATASET FOR MALFUN…
11 0 0
遥感多任务新标杆！Falcon：0.7B参数横扫14任务，560万图像数据集全开源
本文将为大家介绍“Falcon: A Remote Sensing Vision-Language Foundation Model”（Falcon:遥感视觉语言基础模型）。 Title：Falcon: A Remote Sensing V…
9 0 0