ICASSP 2027丨真实世界多步空间音频问答挑战赛
近年来，音频语言大模型（LALM）与端到端全模态交互飞速进化，机器不仅能识别人声，还能感知环境声与音乐。然而，大多数LALM仍停留在单声道的平面世界里。它们能回答“发生了什么”，却无法判断：婴儿哭声是在卧室还是走廊？水流声和脚步声谁离我更近…
21 0 0
声浪
征稿启事｜AAAI 2027 SAFE Workshop：合成媒体取证、深度伪造检测与对抗安全
第三届 Synthetic & Adversarial ForEnsics（SAFE）Workshop 将于 AAAI 2027 期间在加拿大蒙特利尔举办，现面向相关研究领域公开征稿！ 我们欢迎来自语音、计算机
资讯算法
87 0 0
声链万物·智联未来｜2027中国国际音频产业大会落地长沙
声链万物·智联未来 2027中国国际音频产业大会（GAS2027) 正式官宣定档 2027年3月23—24日 中国·湖南·长沙国际会议中心 全国音视频产业规模已超6万亿元，音频产业正从传统音响向智能座舱、穿戴设备、AI终端等高潜能赛道迁移。…
56 0 0
Cactus Compute 开源 16.9MB 语音识别模型 Whistle
Cactus Compute 发布开源语音识别模型 Whistle，面向手机、可穿戴设备、机器人、汽车和微控制器等端侧设备。 模型文件仅 16.9MB，直接在 CPU 上运行，并与其端侧工具调用模型 Needle 共用同一套 C++ 推理引…
开源资讯
135 0 0
AudioEdit：深入探索基础模型时代的音频编辑
把录音里说错的一个词改过来，让一句话的语气更轻松，或者去掉背景中的狗叫声，同时保留原本的人声和环境声——这些看似简单的要求，正是音频编辑需要解决的问题。 随着音频生成模型的发展，用文字描述一段声音并让模型生成出来，已经有了不少可行方案。但面…
资讯算法
94 0 0
![[NCMMSC 2026] 青年论坛｜从语音大模型到音乐脑机接口，10场前沿报告齐聚横琴](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2026-10-08/2108125140083675136.png)
[NCMMSC 2026] 青年论坛｜从语音大模型到音乐脑机接口，10场前沿报告齐聚横琴
声学智能的前沿探索与青年力量 当语音技术不再只是“听清楚、说出来”，当声音开始与大模型、多模态智能、医疗健康、脑科学、低资源语言深度交叉，我们正在进入一个更加丰富的声学智能时代。 从低码率语音编解码、语音增强与合成，到音频推理、副语言表达与…
139 0 0
VoxMem：音频大模型能跨会话记住说话人、语气和环境声吗？
语音助手正在从“一问一答”走向跨越多次会话的长期交互。用户上周提过的计划、某位家庭成员说过的话、某次对话时的语气，都可能在之后被问起。但语音里的信息远不止文字：谁说的、怎么说的、背景里有什么声音，都只存在于音频信号里，一旦转成文字就丢失了。…
资讯算法
112 0 0
Edge0 发布中英双语流式语音识别模型 Audio8-ASR-Infinite
Edge0 发布 Audio8-ASR-Infinite 预览版，面向中英文实时语音识别，提供 80、120 和 160ms 三档流式音频时钟，并可将转写延迟配置在 240–560ms。 模型原生上下文为 30 秒，但通过滚动 KV 缓存持…
算法资讯
82 0 0
活动报名：OpenAI 和 Thinking Machines 都押注的实时交互模型，下一步往哪走？丨iRTE 2026
过去一年，OpenAI、Thinking Machines Lab 等多模态团队开始把注意力从「生成更拟人的语音回答」，迈向一个更难的问题：AI 如何真正参与一场实时发生的互动。 全双工模型让智能体边听边说，全模态让语音、视觉等信息协同判断…
资讯算法
87 0 0
ICASSP 2027丨ADD 2026国际挑战赛开放报名
虚假音频检测技术日益受到关注，但现有技术仍存在两方面的局限：一是人工模仿音频检测。真人模仿者可复现目标说话人的韵律、音色和风格，与AI合成音频不同，人工模仿音频无明显生成痕迹，对现有检测方法构成严峻挑战。二是可解释性检测。为增强检测可信度，…
92 0 0