声浪

语音小管家

原创a year ago

语音开源模型这么多，你还在为如何部署烦恼吗？各种模型环境各式各样，你还在为安装环境晕头转向吗？老板说隐私很重要，要出一个离线的demo，你还在犹豫不知如何下手吗？语音那么多任务，又是vad，又是说话人，还得做识别合成，你还在为组合方案费尽心…

语音小管家

转载a year ago

今日，QwenTeam 正式发布了全新一代多模态视觉语言模型 ——Qwen3-VL 系列。这是 Qwen 家族迄今为止最强大的视觉语言模型，在视觉感知、跨模态推理、长上下文理解、空间推理和智能代理交互等多个维度全面提升。旗舰开源模型Qwen…

语音小管家

原创a year ago

会议简介 全国人机语音通讯学术会议是国内语音领域广大专家、学者和科研工作者交流最新研究成果，促进该领域研究和开发工作不断进步的重要舞台。该系列会议自1990年开创以来已成功召开了十九届。2025年第二十届全国人机语音通讯学术会议（Natio…

语音小管家

原创a year ago

语音到语音大模型（SLLM）火了，但你是否也发现：一旦从“文字”换成“开口说话”，模型的知识与推理能力就开始出现了退化？这并不是错觉，而是“声学-语义鸿沟”在作怪。本文带你看一篇来自香港中文大学（深圳）李海洲教授/王本友教授团队发布的新模型…

语音小管家

转载a year ago

来源丨新智元 DeepSeek最新模型DeepSeek-V3.1-Terminus来了！此前在输出中随机掺入「极」字的问题得到显著缓解，Humanity's Last Exam成绩也较V3.1提升1/3！Terminus这个名字是否在暗示D…

语音小管家

转载a year ago

几个小时前，阿里一次更新了3个大模型，分别是 开源的全模态大模型 Qwen3-Omni 开源的图像编辑大模型Qwen-Image-Edit-2509 不开源的语音合成大模型 Qwen3-TTS 本次发布的3个模型均为多模态大模型，可以说阿里…

语音小管家

转载a year ago

在最新发表在Nature上的一项研究中，特温特大学（University of Twente）与 IBM Research Europe、丰田汽车欧洲公司（Toyota Motor Europe）合作，提出了一种新型“物理计算”语音识别方法…

语音小管家

转载a year ago

刚刚，小米正式开源首个原生端到端语音模型Xiaomi-MiMo-Audio，该模型参数规模70亿，预训练数据达到超1亿小时，且在开源模型中的语音智能和音频理解基准测试中都实现了SOTA，在多项测试超越同参数量开源模型、谷歌Gemini-2.…