声浪

语音小管家

转载5 months ago

以下文章来源于AI语音AI思考 如果看过我最早的文章，你可能记得我曾说过：限制语音交互发展的主要因素通常并非技术，而是场景。例如，在办公室等公开场合，人们通常不会选择与机器进行语音对话，也不会频繁使用语音输入；而在车内、家中等相对私密的环境…

语音小管家

转载5 months ago

以下文章来源于一杯阔乐聊ai 面向“全场景复杂环境”：Mega-ASR 引入双粒度强化学习，领跑现有开源语音识别方案 资源导航 论文链接：https://arxiv.org/abs/2605.19833 项目主页：https://xzf-t…

语音小管家

转载5 months ago

以下文章来源于SV4Good AI Lab 近来，大型音频语言模型（Large Audio Language Model,LALM）的蓬勃发展使得声音这一人类最为自然的交流媒介被越来越多地用于与大模型的交互之中。然而，新的音频模态的引入也自…

语音小管家

转载5 months ago

跨境直播卡顿、跨国会议延迟、AI配音“机器感”太重……实时同传一直卡在“延迟、语种、音色”三大痛点。 Qwen3.5-LiveTranslate-Flash给出了解决方案：支持60种语言的音频输入和文字输出，29种语言的音频输出，端到端字均…

语音小管家

转载5 months ago

来源丨通义实验室 刚刚，通义发布了 Qwen3.7-Max ——面向智能体时代的新一代旗舰模型，即将通过 API 提供服务。Qwen3.7-Max 致力于成为全能的智能体基座——无论是编写和调试代码、自动化办公流程，还是在跨越数百乃至数千步…

语音小管家

原创5 months ago

李航，张少华，林苑 我们每天都在使用大语言模型（Large Language Model，LLM）。一个明显的感受是，它们似乎真的能够理解我们的语言，虽然有时也会出现幻觉。另一方面，观察 LLM 输出的思维链，也就是其推理过程的语言表示，我…