国际语音会议Interspeech 2026将于2026年9月在悉尼举行，期间将举办音频编码器能力挑战赛（AECC）。比赛聚焦音频编码器在复杂场景下的表现，参赛者需提交预训练模型，主办方提供评估系统。参赛者可使用公开数据集，报名截止日期为2026年1月25日。

小米的MiLM Plus提出了一种轻量级的语音增强方法，利用预训练音频模型提取特征，通过音频编码器和降噪编码器生成清晰语音，性能优于传统模型，计算效率高。实验结果显示，该系统在语音质量和说话人保真度上具有显著优势。

音频编码器在多模态大模型中至关重要。ICME 2025音频编码器挑战赛吸引了多家知名企业参与，火山引擎凭借其技术团队在多个任务中获胜，展示了强大的音频特征提取能力，推动了音频表征的进步。

WhisperKit是一个开源项目，旨在赋能开发者和企业在用户设备上部署商业级别的计算负载。它提供了Swift包、示例App和Python工具，以实现Whisper推理功能。该项目的目标是在苹果硅芯片上实现最低延迟和最高吞吐量。通过优化音频编码器和文本解码器，WhisperKit在iPhone和Mac上实现了速度提升。计划在稳定版本发布前引入更多功能和改进。