Dasheng AudioGen：语音、音乐、音效一次生成，让 AI 成为“声音导演”
上海交通大学 X-LANCE 实验室与小米联合发布的 Dasheng AudioGen，不再独立建模语音、音乐、音效生成任务，而是让 AI 像“声音导演”一样理解真实世界音频中多种声音的复杂关系，并端到端生成自然、协调的混合音频场景。 在线…
21 0 0
声浪
2B 以下全球最优、开放数据集……MiniCPM5-1B 正式发布并开源！
来源丨清华大学自然语言处理与社会人文计算实验室 昨日，清华大学自然语言处理与社会人文计算实验室与面壁智能、OpenBMB 开源社区正式发布并开源最新一代端侧文本基座大模型——MiniCPM5-1B。 MiniCPM5-1B 再次刷新模型的智…
43 0 0
当音乐生成跑在了评测前面：用「组合式多模态指令」为音乐奖励模型立一把标尺
近年来，以Suno、Mureka、YuE、ACE-Step 等为代表的音乐生成模型迅速演进，其输入条件已经从单一的文本描述，扩展为文本、歌词与参考音频任意组合的多模态指令。然而，用来判断「单条生成结果到底好不好」的评测手段，却相对滞后：传统…
30 0 0
博士招生丨墨尔本大学（澳大利亚）× 伯明翰大学（英国）
# 博士招生公告 ## 🎓 全额资助联合培养博士｜AI × 语音 × 心理健康 **墨尔本大学（澳大利亚）× 伯明翰大学（英国）** --- ## 项目简介 墨尔本大学与伯明翰大学 联合招募 **全额资助博士研究生**一名，研究方向聚焦于…
386 0 0
![语音/音频处理学术速递[5.28]](https://api.speechhome.com/Resources/Thumb/2026-05-28/2059935330622115840.png)
你的声音正在“出卖”你？大型音频语言模型：越聪明，越危险
它听得懂情绪、辨得出身份、甚至能模仿你说话——但你敢信任它吗？ “你今天看起来有点累。”当你对手机说出这句话，它不仅能听懂字面意思，还能从你的语速、语调、呼吸节奏中判断——你是真的疲惫，还是在强撑？这不是科幻。这是大型音频语言模型正在实现的…
44 0 0
论文导读丨CCF语音对话与听觉专委会论文导读（2026年第6期）
本期分享国防科技大学近期被IEEE Transactions on Audio, Speech and Language Processing接收的音频表示质量评估方面的工作。 Unifying Variables in Neural Sc…
38 0 0
![语音/音频处理学术速递[5.27]](https://api.speechhome.com/Resources/Thumb/2026-05-27/2059535054232752128.png)
一个像人耳的自监督通用音频编码器！ICML 2026 见证 SPEAR 如何重塑声音基础模型新范式！
录取信息：ICML 2026 论文标题：SPEAR: A Unified SSL Framework for Learning Speech and Audio Representations 作者：Xiaoyu Yang, Yifan Y…
47 0 0
为什么语音大模型一开口，还是像客服？
来源丨paperweekly 问题可能不在语言能力本身，而在那些更难被建模的东西：语气、情绪、停顿、潜台词，以及人与人交流时微妙的“社交感”。而最近，一篇来自南京大学与小米的论文，开始系统地评测这些副语言能力。 论文标题：SpeechPar…
62 0 0