![语音/音频处理学术速递[3.11]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-11/2031671799774842880.png)
声浪
一个模型，搞定所有音频生成任务！多项基准SOTA | ICLR'26
来源丨新智元 港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-b…
27 0 0
可穿戴超声技术：从实验室原型到实际应用的技术演进与未来展望
来源丨21db声学人 近年来，可穿戴超声技术正在从实验室原型走向真实应用场景。这项技术能够实现连续、无创、深层次的组织监测，在医疗健康、人机交互、康复训练等领域展现出巨大潜力。 近日发表于IEEE Reviews in Biomedical…
22 0 0
![语音/音频处理学术速递[3.10]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-10/2031292663529082880.png)
阿里开源 Mobile-Agent-v3.5：一套真正“多平台可用”的原生 GUI Agent 基座模型
通义实验室这次带来的是Mobile-Agent-v3.5以及最新的原生 GUI Agent 模型家族GUI-Owl-1.5：面向桌面 / 移动 / 浏览器等多端统一的基础模型与训练范式，并已全面开源。 模型链接： GUI-Owl-1.5-2…
26 0 0
![语音/音频处理学术速递[3.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-09/2030927514272141312.png)
【语音技术和应用趋势分享系列（8）】龙虾时代的语音智能体
以下文章来源于AI语音AI思考 本系列共十篇文章，旨在深入剖析之前提到的十大趋势。 关于未来语音技术和应用趋势的10点看法 文章将穿插科普知识、技术综述、发展路线，以及我个人和其他行业专家的思考。无论读者此前对语音技术与应用了解多少，都希望…
27 0 0
小米重磅突破：DashengTokenizer 用一层网络打通音频理解与生成，打破 VAE 垄断
来源：AI随想录，作者：William 论文标题: DashengTokenizer: One layer is enough for unified audio understanding and generation 论文链接: htt…
27 0 0
![语音/音频处理学术速递[3.6]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-03-06/2029820071567822848.png)
创作一首新歌只需2秒！阶跃星辰开源音乐生成模型 ACE-Step 1.5
由阶跃星辰和ACE Studio联合发布的开源音乐生成模型ACE-Step 1.5，制作一首商业歌曲仅需 2-10 秒。 ACE-Step 1.5能“一人”包揽从创作端的作词、作曲、编曲，到制作端的制作人、录音师、混音师、母带师，再到前台歌…
21 0 0