语音降噪风雨六十载（下）：深度学习革命与未来
在语音降噪风雨六十载（上）——传统信号处理黄金时代中介绍了传统信号处理算法在语音降噪中的应用，下面用一个视频总结下信号处理不同算法的优缺点。 过去 15 年间，深度学习方法已得到广泛普及。凭借其强大的高维非线性建模能力，它已被成功应用于计算…
27 0 0
声浪
音画同步生成的「音频物理真实感」，终于有了硬核标尺｜PhyAVBench 论文详解
以下文章来源于SV4Good AI Lab 引言 Sora、Kling 等文生音视频模型，能画出逼真画面、配上同步声音，但真的懂声学物理吗？吹空瓶子 vs 吹装水瓶子、敲木头 vs 敲金属，模型能生成符合物理规律的声音吗？ 本文介绍由香港科…
28 0 0
清华吴志勇团队联合小米提出 TTS-PRISM：12 维精细化中文语音合成诊断框架
标题：《TTS-PRISM: A Perceptual Reasoning and Interpretable Speech Model for Fine-Grained Diagnosis》 链接：https://arxiv.org/pd…
16 0 0
![语音/音频处理学术速递[4.30]](https://api.speechhome.com/Resources/Thumb/2026-04-30/2049734535322669056.png)
ICLR 2026｜EchoMind：语音大模型“共情式语音对话”能力的多层次关联评测基准
让语音大模型学会“听声辨意”，不只是转文字，更要懂语气、知情绪、会安慰。 🙋 一个真实的场景 你对着智能语音助手说：“早上好”， 声音里带着轻微的咳嗽。
34 0 0
Speaker-Reasoner：将多说话人语音转录从“序列解码”升级为“多轮时序推理”
在会议和电话等真实的多说话人对话场景中，全面的对话理解不仅需要准确的语音识别（ASR），还要求模型能够联合处理说话人属性、细粒度的时间戳定位以及文本转写。然而，语音重叠、频繁的附和（backchannels）以及快速的语权交替等复杂声学现象…
35 0 0
腾讯青云计划丨招聘语音AI方向
腾讯青云计划 · 语音AI方向：共筑智能语音的未来声场 在这里，你将投身于最前沿的语音技术战场：基础模型创新： 参与混元全模态基座模型的构建，探索音频生成与理解的统一范式，研发支持多方言的生成与理解模型，攻克语音大模型的后训练、模型合并与强…
292 0 0
![语音/音频处理学术速递[4.29]](https://api.speechhome.com/Resources/Thumb/2026-04-29/2049410287714570240.png)
音画同步生成的「音频物理真实感」，终于有了硬核标尺｜PhyAVBench 论文详解
以下文章来源于SV4Good AI Lab 引言 Sora、Kling 等文生音视频模型，能画出逼真画面、配上同步声音，但真的懂声学物理吗？吹空瓶子 vs 吹装水瓶子、敲木头 vs 敲金属，模型能生成符合物理规律的声音吗？ 本文介绍由香港科…
26 0 0
小米MiMo-V2.5全量开源，再送 100 万亿 Token！
来源丨智东西 今天，小米正式开源 MiMo-V2.5 系列模型，采用MIT协议，允许商用推理部署与二次训练，无需额外授权。 ▲MiMo-V2.5-Pro在Hugging Face的开源页面截图 此前，该系列模型于4月23日开启公测，包括Mi…
28 0 0