来自arXiv的最新研究论文提出了一种名为WavReward的创新评估系统，该系统基于音频语言模型，专门用于评估语音对话系统在认知和情感指标上的表现。WavReward通过在ChatReward-30K数据集上进行训练，该数据集包含了大...

Meta最新推出的AI应用通过引入Discover信息流功能，为用户提供了与AI互动的社交化分享平台。这一创新设计不仅允许用户公开自己与AI的对话内容，还支持其他用户对这些内容进行评论、点赞甚至二次创作，旨在通过社交互...

一项最新研究通过潜在空间技术，实现了AI对英语口音强度的量化分析。该技术由BoldVoice团队开发，通过深度神经网络在潜在空间中捕捉语音特征的微妙差异，从而精确评估非母语者的口音强度。研究在Hacker News引发热议...

GitHub上的开源项目RealtimeVoiceChat由开发者KoljaB推出，旨在实现与AI的自然语音对话，其延迟时间可控制在约500毫秒内，接近实时交互水平。该项目采用先进的语音识别和生成技术，结合高效的网络传输协议，显著提升...

谷歌实验室最新宣布，其AI笔记工具NotebookLM的音频概述功能已扩展至50多种语言，标志着该技术在多语言支持方面取得重大突破。这一更新使得全球更多用户能够通过语音交互快速获取文档摘要，显著提升了知识管理效率。...

OpenAI近日发布了其最新一代音频模型，其中包括名为Voice Engine的创新技术。这一模型能够仅通过短样本生成高度逼真的人声，标志着人工智能在语音合成领域迈出了重要一步。Voice Engine的核心技术在于其先进的声音建...

近日，Sesame发布了一款1B规模的对话语音生成模型，并在GitHub上开源了其Apple原生MLX版本。该版本专为在MacBook等苹果设备上高效运行而优化，展示了机器学习在移动设备上的应用潜力。MLX是苹果公司推出的机器学习框...

MMS-LLaMA是一款高效的多模态语音大语言模型框架，专注于自动视觉语音识别（AVSR），在优化标记长度的同时保留了语言内容。该框架通过整合视觉和语音数据，提供了一种全新的方法来提升语音识别的准确性和效率。MMS-L...