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

转载5 months ago

论文标题：X-Voice: Enabling Everyone to Speak 30 Languages via Zero-Shot Cross-Lingual Voice Cloning 论文链接：https://arxiv.org/a…

语音小管家

转载5 months ago

以下文章来源于丨赛博禅心 Realtime API 是 OpenAI 的实时语音交互接口，在 24 年的 DevDay 首次亮相，当时还是 beta，调用贵到离谱，音频输出 200 刀/百万 token：OpenAI 凌晨发布：Realti…

语音小管家

转载5 months ago

今天，Doubao-Seed-2.0-lite 升级新版本，这是豆包大模型家族首款全模态理解模型，支持视频、图像、音频、文本原生统一理解，Agent、Coding 与 GUI 能力同步升级。在同等算力成本下，是企业大规模、批量化部署全模态推…

语音小管家

转载5 months ago

在当前指令遵循式语音合成（Instruction-Following TTS）快速发展的背景下，如何系统性地评估模型是否真正“听懂并执行”了用户的自然语言声音指令，已成为制约该领域发展的关键瓶颈。现有的评测方案普遍面临覆盖维度有限、诊断粒度…

语音小管家

转载5 months ago

本文来源：模型之声 标题：《Toward Fair Speech Technologies: A Comprehensive Survey of Bias and Fairness in Speech AI》 链接：https://arxi…

语音小管家

转载5 months ago

AudioCC交我学 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术创新与应用实践的最新动态。…