迈向通用听觉智能：清华团队在《自然·机器智能》解析关键技术路径
近日，清华大学电子工程系联合Google DeepMind、NVIDIA、剑桥大学等机构的研究人员，在期刊《自然·机器智能》（Nature Machine Intelligence）发表题为《迈向通用听觉智能：机器的聆听与表达》（Towar…
算法资讯
80 0 0
声浪
技术解读｜Qwen Audio Agent 系列：座舱语音助手新范式
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…
资讯算法
96 0 0
谷歌连发两款实时语音模型：Gemini 3.8 Live 要攻克语音 Agent 的沉默时刻
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。…
107 0 0
阶跃发布语音大模型StepAudio 3，拿下多个全球第一！
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。…
96 0 0
![语音与音频学术速递[9.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-09-14/2099430415856177152.png)
语音与音频学术速递[9.14]
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…
82 0 0
INTERSPEECH 2026 | 天津大学认知计算与应用重点实验室 9 篇录用论文分享
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…
92 0 0
![语音与音频学术速递[9.11]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-09-11/2098360410242682880.png)
语音与音频学术速递[9.11]
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…
81 0 0
腾讯混元发布并开源统一语音基座模型 AuK ：一个模型，把语音生成和编辑全包了
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…
114 1 0
Tunii 推出浏览器AI工具，用于语音隔离、音频分离和音频提取
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…
71 0 0
![语音与音频学术速递[9.10]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-09-10/2097985691156877312.png)
语音与音频学术速递[9.10]
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…
92 0 0