语音AI企业的绝佳曝光机会 | ISCSLP 2026 赞助商招募中！
🎯中文口语语言处理国际会议 International Symposium on Chinese Spoken Langauge Processing (ISCSLP) 会议时间：2026年11月14-17日 会议地点：马来西亚·槟城 往…
20 0 0
最新声浪
查看全部 →![语音/音频处理学术速递[4.8]](https://api.speechhome.com/Resources/Thumb/2026-04-08/2041809911897264128.png)
腾讯会议-天籁实验室丨招聘音频算法工程师
音频算法工程师（腾讯会议-天籁实验室） 学历要求：硕士及其以上，工作经验1-3年； 岗位职级：T5-T9 岗位地点：北京 岗位职责： - 负责优化ASR的前端音频算法，包括语音增强，回声消除，说话人日志和语音分离等- 负责追踪业界前沿的语音…
221 0 0
OmniVoice：极简架构打造顶尖语音克隆 TTS，覆盖超 600 种语言
数秒克隆语音早已不新鲜，但能覆盖600+语种的语音克隆 TTS 模型，今天终于来了！ 此前，音色克隆 TTS 的多语言支持最多停留在几十种语言，低资源小语种始终难以覆盖。小米 AI 实验室新一代 Kaldi 团队重磅推出 OmniVoice…
30 0 0
ICME 2026｜基于细粒度视听证据解耦的鲁棒多模态情感推理
多模态情感分析正经历从静态分类向生成式推理（Generative Reasoning）的深刻范式转变。为了理解复杂的社交互动，系统必须能够综合诸如面部微表情和语音韵律等细粒度信号，以解码潜在的因果逻辑。 近年来，虽然通用多模态大语言模型（如…
22 0 0
南京大学等联合发布开源语音大模型VITA-Qinyu，首发支持角色扮演+哼唱
来源丨paperWeekly 近日，南京大学与腾讯音乐发布开源语音大模型 VITA-Qinyu ，这是业内首款兼具自然对话、高表现力角色扮演与歌唱能力的 开源端到端语音语言模型 （SLM）。目前 VITA-QinYu 的训练代码与模型权重全…
28 0 0
![语音/音频处理学术速递[4.7]](https://api.speechhome.com/Resources/Thumb/2026-04-07/2041457827494629376.png)
AAAI 2026｜多指标偏好对齐，让生成式降噪更好听
语音修复（Speech Restoration）要解决的事很朴素： 把一段“坏掉的语音”修回“听起来像正常录音”的样子。坏的方式很多，比如： 降噪：背景嘶嘶声、风噪、环境噪 去混响：房间回声太大 去削波/爆音（declipping）：录音过…
29 0 0
告别 “聊不到一块去”！港中大提出TurnGuide：让全双工语音大模型兼具“极致拟人”与“满分语商”！
文章链接：https://arxiv.org/pdf/2508.07375 想象一下，当你和AI 语音助手聊天时，它可以像真人一样自然地倾听、适时地“嗯、啊”附和，甚至在你打断它时迅速反应。这就是全双工语音大模型(FD-SLMs)的魅力所在…
29 0 0
Voxtral TTS，仅4B参数SOTA性能，超低延迟9种语言语音生成转录和24kHz音频输出。
来源丨AIGC Studio Voxtral TTS是首个在多语言语音生成方面拥有顶尖性能的文本转语音模型。基于大型语音数据集进行训练，专为全球应用而构建。它支持 9 种语言，性能一流：英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语…
20 0 0