小米发布 MiMo-V2.5-TTS-Series + ASR
今天，小米发布MiMo-V2.5-TTS Series与MiMo-V2.5-ASR—— 一套面向 Agent 时代的全链路语音模型系列，覆盖识别与合成两大核心能力，让语音的输入与输出都可以被语言自由调度。 MiMo-V2.5-TTS Ser…
32 0 0
声浪
让端到端语音对话模型既会“想”又会“说”！WavAlign：用自适应混合后训练同时提升智能与表现力
近期，浙江大学研究者提出了WavAlign: Enhancing Intelligence and Expressiveness in Spoken Dialogue Models via Adaptive Hybrid Post-Trai…
31 0 0
ACL 2026丨内蒙古大学语音理解与生成实验室5篇录用论文分享
Annual Meeting of the Association for Computational Linguistics（简称 ACL）年会是计算语言学和自然语言处理领域国际排名第一的顶级学术会议，由国际计算语言学协会组织，每年召开一…
33 0 0
Xiaomi MiMo-V2.5 系列大模型开启公测
以下文章来源于Xiaomi MiMo 今天凌晨，Xiaomi MiMo-V2.5 系列模型正式开启公测。 Xiaomi MiMo-V2.5 系列包含 MiMo-V2.5、V2.5-Pro 、V2.5-TTS Series 、V2.5-ASR…
28 0 0
![语音/音频处理学术速递[4.23]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-23/2047230193751429120.png)
阿里正式开源Qwen3.6-27B，本地模型跑出 GPT-4 水准！
昨晚，千问3.6系列最新模型Qwen3.6-27B正式开源！ 该模型在核心编程能力评测中，以270亿的总参数量，性能媲美千亿参数级别模型。在SWE-bench、Terminal-Bench 2.0、SkillsBench、QwenWebBe…
29 0 0
告别“只测反应不测智商”！清华&港中文联合发布 MTR-DuplexBench：全双工语音大模型的多轮对话“照妖镜”！
文章链接：https://arxiv.org/pdf/2511.10262 仓库链接：https://github.com/ZhangHe0918/MTR-DuplexBench 数据集链接：https://huggingface.co/d…
44 0 0
基于命名实体知识与注意力聚合的鲁棒局部音频深度伪造检测
本次分享内容为内蒙古大学23 级硕士研究生 鲜鹄鸿、内蒙古大学刘瑞教授与美国约翰霍普金斯大学 Berrak Sisman、香港中文大学（深圳）/河套学院 李海洲教授合作发表于 APSIPA ASC 2025 的工作《NE-PADD: Lev…
30 0 0
![语音/音频处理学术速递[4.22]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-04-22/2046838440347176960.png)
Qwen3.5-Omni 技术报告：10 小时音频 + 400 秒视频通吃，ARIA 流式语音秒级响应
论文标题: Qwen3.5-Omni Technical Report 论文链接: https://arxiv.org/abs/2604.15804v1 代码链接: https://modelscope.cn/studios/Qwen/Qw…
44 0 0