在大模型时代，机器翻译有哪些新变化？
大家好，欢迎来到「AudioCC交我学」专栏！ 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术…
15 0 0
声浪
理想同学发布 MindGPT 3.1：极速推理的智能体语言模型
来源丨AI理想同学 近日，理想同学发布了基座模型 MindGPT 3.1 ，是具备极速推理能力的智能体语言模型。 MindGPT 3.1 具备如下能力： 极速响应：每秒出字速度最高可达 200 Tokens，相比上一代模型 MindGPT…
14 0 0
3.9K 标星！DINOv3：零标注也能学的通用图像识别模型！
在计算机视觉领域，标注数据一直是“刚需”。但人工标注不仅费时费力，还存在主观偏差，尤其在医学影像、卫星图像等专业领域，更是难以规模化获取高质量标注数据。 为了解决这个痛点，Meta AI 近日正式开源了全新一代通用图像识别模型：DINOv3…
12 0 0
跨模态对齐+流式单码本！SecoustiCodec语音编解码新范式——快手/天大/自动化所/清华联合发布
快手科技、天津大学、中科院自动化所与清华大学联合发布了SecoustiCodec，一种跨模态对齐的流式单码本语音Codec。支持语义信息、副语言信息、声学信息的独立编码与重构。可以应用于语音合成、语音对话模型等生成式语音任务。 论文题目：S…
19 0 0
谷歌开源模型Perch2.0，理解上万种物种声音识别
来源丨本原智数、HyperAI超神经 近日，谷歌DeepMind正式发布并开源了全新的生物声学模型Perch 2.0。相较于前代，Perch 2.0 以物种分类为核心训练任务，不仅纳入了更多非鸟类类群的训练数据，还采用了全新的数据增强策略与…
19 0 0
生成“录音室级音乐” ElevenLabs发布Music
来源丨AI音频时代 AI音乐创作领域又迎来了一个重磅竞争对手！ElevenLabs公司于2025年8月5日正式发布了其最新研发成果——Eleven Music，一款强大的文字转音乐AI模型。据称，这款工具不仅能够生成任意风格的录音室级别音频…
17 0 0
DCASE 2025丨蚂蚁音频理解大模型分享：听音识物种、闻声解难题
近日，2025年IEEE AASP举办的DCASE挑战赛(Challenge on Detection and Classification of Acoustic Scenes and Events)落幕。作为目前声音事件领域最权威的竞赛…
14 0 0
小红书开源了首个多模态大模型dots.vlm1，性能直追SOTA！
来源丨新智元 擅长「种草」的小红书正加大技术自研力度，两个月内接连开源三款模型！最新开源的首个多模态大模型dots.vlm1，基于自研视觉编码器构建，实测看穿色盲图，破解数独，解高考数学题，一句话写李白诗风，视觉理解和推理能力都逼近Gemi…
15 0 0
训练200万小时！OpenAI开源GPT-oss，AI Agent专属模型、可商用
来源丨AIGC开放社区 今天凌晨1点30，OpenAI开源了大模型GPT-oss,一共有1200亿和200亿两种参数，支持Apache 2.0商业化。 开源地址： https://github.com/openai/GPT-oss http…
19 0 0
MIMO-TSVAD：支持模态缺失的音视频说话人日志新框架 —— 武汉大学/昆山杜克大学团队成果发表于 IEEE T-ASLP
论文题目：Multi-Input Multi-Output Target-Speaker Voice Activity Detection For Unified, Flexible, and Robust Audio-Visual Spe…
13 0 0