蚂蚁发布MECT声纹模型：MoE构架刷新VoxCeleb SOTA，并实现100ms流式声纹推理，代码模型已开源
近日，蚂蚁集团-大安全机器智能-AI身份智能团队，推出基于混合专家机制（MoE）的声纹识别模型 MECT（Mixture of Experts CNN-Transformer），首次将 MoE 机制引入全监督训练说话人识别领域。在权威基准
27 0 0
最新声浪
查看全部 →
ISCSLP 2026丨ASLP@NPU&NJU实验室8篇录用论文分享
中文口语语言处理国际学术会议（International Symposium on Chinese Spoken Language Processing, ISCSLP）是国际语音通信协会中文口语语言处理特别兴趣组（ISCA SIG-CSL…
21 0 0
![语音与音频学术速递[9.23]](https://api.speechhome.com/Resources/Thumb/2026-09-24/2103019159205056512.png)
语音与音频学术速递[9.23]
今日论文合集：CS.SD语音与音频 | 共 11 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 3…
21 0 0
NCMMSC 2026 | ChinaVoices Challenge 2026：数据、任务、基线与方法总结
中文语音交互不仅需要处理普通话，也需要面对丰富的地域方言。对于一段方言语音，系统既要判断“说的是哪种方言”，也要准确识别“说了什么”。然而，现有研究采用的方言类别、训练资源和测试集并不统一，系统性能难以直接比较。 近期，西工大音频语音与语言…
19 0 0
【物理仿真篇】基于参量阵扬声器的定向声（二） | 南京大学音频声学实验室（NJU-AALab）近期研究进展
以下文章来源于音频声学实验室NJUAALab 参量阵扬声器（Parametric Array Loudspeaker，PAL）利用强超声波在空气中的非线性相互作用产生高指向性的可听声，为定向声重放与声场控制提供了新的手段。与普通扬声器不同，…
10 0 0
![语音与音频学术速递[9.22]](https://api.speechhome.com/Resources/Thumb/2026-09-24/2103018839909470208.png)
语音与音频学术速递[9.22]
今日论文合集：CS.SD语音与音频 | 共 22 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. 语音识别与关键词检测…
18 0 0
均值说「身份」，方差说「确定性」：U³-xi 用不确定性刷新声纹识别上限
传统声纹识别只估计一个「均值」——一个确定的嵌入点，却从不估计它的「方差」——这个估计到底有多可信。而一段语音里，并不是每一帧都「平等」：噪声、混响、静音都在悄悄稀释说话人的身份线索。这个缺失的方差，正是「不确定性」。本文提出的 U³-xi…
28 0 0
TASLP论文分享：联邦音频深伪检测
以下文章来源：生物信息感知与人机交互团队 随着语音合成与生成式人工智能技术快速发展，高质量合成语音在身份冒充、语音诈骗和虚假信息传播等场景中带来了新的安全风险，推动了音频深度伪造检测（Audio Deepfake Detection，ADD…
18 0 0
![语音与音频学术速递[9.21]](https://api.speechhome.com/Resources/Thumb/2026-09-21/2101945457407299584.png)
语音与音频学术速递[9.21]
今日论文合集：CS.SD语音与音频 | 共 9 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. 语音识别与关键词检测 2…
18 0 0
港科大联合斯坦福开源 YuE2 音乐生成模型！仅一周就斩获 9.7k Star！
AI 做音乐这件事，过去一年我们看着 Suno、Udio 一路高歌，Demo 一个比一个惊艳，价格也一个比一个贵。 然后我们再回头看开源世界——不是模型出不来歌，就是质量差一截，或者干脆闭源让你摸不着它是怎么把词变成旋律的。 最近，港科大、…
27 0 0