大模型“开口”变笨怎么办？EchoX 仅用 6千小时数据构建高智商语音大模型
语音到语音大模型（SLLM）火了，但你是否也发现：一旦从“文字”换成“开口说话”，模型的知识与推理能力就开始出现了退化？这并不是错觉，而是“声学-语义鸿沟”在作怪。本文带你看一篇来自香港中文大学（深圳）李海洲教授/王本友教授团队发布的新模型…
23 0 0
最新声浪
查看全部 →
DeepSeek-V3.1「终极版」重磅发布！最大提升超36%，V4/R2还远吗？
来源丨新智元 DeepSeek最新模型DeepSeek-V3.1-Terminus来了！此前在输出中随机掺入「极」字的问题得到显著缓解，Humanity's Last Exam成绩也较V3.1提升1/3！Terminus这个名字是否在暗示D…
30 0 0
![语音/音频处理学术速递[9.23]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-23/1970440004224290816.jpg)
阿里Qwen一夜发布3模型，开启连炸模式！
几个小时前，阿里一次更新了3个大模型，分别是 开源的全模态大模型 Qwen3-Omni 开源的图像编辑大模型Qwen-Image-Edit-2509 不开源的语音合成大模型 Qwen3-TTS 本次发布的3个模型均为多模态大模型，可以说阿里…
29 0 0
突破冯・诺依曼瓶颈：基于材料内计算的低功耗语音识别架构
在最新发表在Nature上的一项研究中，特温特大学（University of Twente）与 IBM Research Europe、丰田汽车欧洲公司（Toyota Motor Europe）合作，提出了一种新型“物理计算”语音识别方法…
19 0 0
![语音/音频处理学术速递[9.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-09-23/1970440170763325440.jpg)
小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio
刚刚，小米正式开源首个原生端到端语音模型Xiaomi-MiMo-Audio，该模型参数规模70亿，预训练数据达到超1亿小时，且在开源模型中的语音智能和音频理解基准测试中都实现了SOTA，在多项测试超越同参数量开源模型、谷歌Gemini-2.…
49 0 0
音效制作变天！这款AI人工智能的声音搜索工具值得关注 Orion
无论你怎样去看去对待，当下的我们都身处在一场革命中，AI正在一步步改变几十年上百年的传统，也包括声音制作！而今年将是音效制作与设计的颠覆性一年，首先就从音频搜索开始。 有经验的声音制作人都知道，对于音效使用、制作与设计来说，往往耗费精力和时…
26 0 0
VoxCPM：最新开源 TTS 模型！0.5B 的声音克隆神器。
来源丨THUHCSI人机语音交互实验室 本文介绍由清华大学人机语音交互实验室（THUHCSI）与面壁智能联合研发的VoxCPM，一款 0.5B 参数尺寸的中英双语语音生成基座模型 。 VoxCPM在合成语音的自然度、音色相似度及韵律表现力方…
25 0 0
DeepSeek登上Nature封面！梁文锋带队回应质疑，R1训练真29.4万美金
来源丨新智元 DeepSeek荣登Nature封面，实至名归！今年1月，梁文锋带队R1新作，开创了AI推理新范式——纯粹RL就能激发LLM无限推理能力。Nature还特发一篇评论文章，对其大加赞赏。 刚刚，DeepSeek-R1登上了Nat…
22 0 0