面向听觉智能与物理AI的
人机交互开发者社区

语音小管家

原创34 minutes ago

大家好，欢迎来到「AudioCC交我学」专栏！ 在文本大模型中，思维链（Chain-of-Thought，CoT）通常意味着模型先写出若干推理步骤，再给出答案。一旦输入变成图像、环境声或连续语音，关键问题就从“是否逐步推理”进一步转向“用什…

语音小管家

原创a day ago

Cactus Compute 发布开源语音识别模型 Whistle，面向手机、可穿戴设备、机器人、汽车和微控制器等端侧设备。 模型文件仅 16.9MB，直接在 CPU 上运行，并与其端侧工具调用模型 Needle 共用同一套 C++ 推理引…

每日语音速递

原创a day ago

今日论文合集：CS.SD语音与音频 共 15 篇，本文展示前 8 篇 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音合成…

语音小管家

原创2 days ago

把录音里说错的一个词改过来，让一句话的语气更轻松，或者去掉背景中的狗叫声，同时保留原本的人声和环境声——这些看似简单的要求，正是音频编辑需要解决的问题。 随着音频生成模型的发展，用文字描述一段声音并让模型生成出来，已经有了不少可行方案。但面…

每日语音速递

原创2 days ago

今日论文合集：CS.SD语音与音频 共 14 篇，本文展示前 8 篇 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音识别…

语音小管家

公告2 days ago

声学智能的前沿探索与青年力量 当语音技术不再只是“听清楚、说出来”，当声音开始与大模型、多模态智能、医疗健康、脑科学、低资源语言深度交叉，我们正在进入一个更加丰富的声学智能时代。 从低码率语音编解码、语音增强与合成，到音频推理、副语言表达与…

每日语音速递

原创3 days ago

今日论文合集：CS.SD语音与音频 共 18 篇，本文展示前 8 篇 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音识别…

语音小管家

原创4 days ago

语音助手正在从“一问一答”走向跨越多次会话的长期交互。用户上周提过的计划、某位家庭成员说过的话、某次对话时的语气，都可能在之后被问起。但语音里的信息远不止文字：谁说的、怎么说的、背景里有什么声音，都只存在于音频信号里，一旦转成文字就丢失了。…

语音小管家

原创5 days ago

同一句话播放两遍，内容一模一样，只是第二遍音调更高，让它挑出音调更高的那一遍。能把语音转写准确的模型，未必答得好这样的题。类似的问题还有：一段对话里有几位说话人？一段音乐的节奏有没有加快？这些任务都在提醒我们：知道“说了什么”，不等于听懂声…

每日语音速递

原创5 days ago

今日论文合集：CS.SD语音与音频 | 共 12 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音合成与声音生成 1…