声浪

语音小管家

转载a month ago

一边聊天，一边办事。 从办公协作，走进智能座舱。 在上一篇《qwen-audio-agent架构解析》中，我们主要围绕办公场景介绍了框架。这一次，我们把它带进智能汽车座舱。 我们做了一套可运行的智能座舱示例：接入车控、音乐、导航与天气，让用…

语音小管家

转载a month ago

来源丨新智元 谷歌又杀回来了。 今夜，Google DeepMind 一口气放出两个模型——Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。 官方称它们是谷歌迄今最先进的实时对话模型。…

语音小管家

原创a month ago

今天，阶跃正式发布 Step Audio 3 系列模型，包括 StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen 和 StepAudio 3 Music。…

每日语音速递

原创a month ago

今日论文合集：CS.SD语音与音频 | 共 9 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音合成与声音生成 2…

语音小管家

原创2 months ago

分享天津大学认知计算与应用重点实验室9篇论文被INTERSPEECH 2026 录用的论文。本次录用工作覆盖大音频语言模型、音频推理智能体、阿尔茨海默病语音检测、鲁棒说话人验证、上下文表现力语音评估以及自监督语音表征学习等方向。 ⏩1. M…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 10 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音识别与关键词检测…

语音小管家

原创2 months ago

语音克隆、指令驱动语音合成、语音编辑、语音增强、语音分离...如果你最近关注过语音模型，这些能力大概率分散在多个不同的模型里。 而腾讯混元最新开源的 AuK，把生成和编辑这一整条能力链，塞进了一个统一框架，并通过少步蒸馏得到了推理加速版本…

语音小管家

转载2 months ago

随着AI音频处理工具不断向在线化发展，一些原本需要借助专业音频软件完成的任务，如人声分离、伴奏制作和音乐分轨，如今已经可以直接通过浏览器完成。Tunii近期推出了一系列基于浏览器的AI音频工具，面向人声分离、伴奏制作、音乐分轨以及视频音频处…

每日语音速递

原创2 months ago

今日论文合集：CS.SD语音与音频 | 共 10 篇。 本文经arXiv每日学术速递授权转载，微信公众号：arXiv_Daily [机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准 快速导航 1. 语音识别与关键词检测…

语音小管家

转载2 months ago

语音交互和语音通信依赖清晰、可分辨的输入信号。真实环境中的风扇、道路、键盘等背景噪声会掩盖语音，扬声器回放进入麦克风会形成回声，多人同时讲话则会造成语音混叠。降噪、声学回声消除（AEC）和语音分离分别处理这三类问题，直接影响语音识别、唤醒与…