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a year ago

CosyVoice 系列一直是 TTS 领域备受瞩目的标杆之作。从 CosyVoice 1 到如今的 CosyVoice 3，它不仅逐步实现了当前 TTS 技术的主流功能，更在技术架构上实现了全面覆盖与深度优化。近日，CosyVoice 3…

语音小管家

转载a year ago

今天，我们正式推出通义千问系列最新的语音识别模型 Qwen3-ASR-Flash，它基于Qwen3基座模型，经海量多模态数据以及千万⼩时规模的ASR（自动语音识别）数据训练构建而成。 Qwen3-ASR-Flash实现了⾼精度⾼鲁棒性的语⾳…

语音小管家

转载a year ago

来源丨量子位 让大模型破译从未见过的甲骨文，准确率拿下新SOTA！ 自复旦大学的研究人员提出了一种基于部首和象形分析的可解释甲骨文破译框架—— 不仅在公开基准数据集HUST-OBC和EV-OBC上，达到最先进的Top-10识别准确率以及优异…

语音小管家

原创a year ago

语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 8490 万母语使用者的粤语而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终不…

语音小管家

转载a year ago

今天介绍下工程方法的内容，在移动设备和嵌入式系统中，高效的数字信号处理（DSP）算法至关重要。快速傅里叶变换（FFT）作为核心算法之一，其性能直接影响到音频处理、图像分析、通信等多个应用领域。本文将介绍一个在端侧计算十分高效基于NEON的F…

语音小管家

原创a year ago

大家好，欢迎来到「AudioCC交我学」专栏！ 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…

语音小管家

原创a year ago

最近，OpenAI 的 GPT Realtime 和 Google 的 Gemini 2.5 接连亮相，给语音助手带来了「真正的“实时对话”」体验 —— 你说一句，它就秒接；它正说，你也能随时打断，回应自然不尬聊。这才是真正像人一样“插话”…