论文解读
先听见，再分清：两级级联如何把稀有虎鲸从海噪里捞出来
音频分类 | 6.7/10
论文速递
论文解读
复述一句就能听出你来过：微调语音如何记住嗓音与录音
语音合成 | 7.5/10
论文解读
先找到证据，再敢打分：PhoenixNest-Video 如何让面试评分可回放
音视频理解 | 6.3/10
论文解读
孤独听得出来吗：当说什么比怎么说更诚实
语音情感识别 | 4.9/10
论文解读
关掉麦克风不行，擦掉人声才行：助老监听的隐私防火墙
音频分类 | 5.9/10
论文解读
导演喊“再来一条”时，机器如何既不变声又听懂弦外之音
语音合成 | 6.8/10
论文解读
耳塞在震动什么：骨导语音的低频直线与单轴传感器的容差
语音增强 | 6.3/10
论文解读
一条声音，二十四种说法：SonicCaps 把听觉歧义变成检索的养分
音频检索 | 7.2/10
论文解读
念对了也白搭：尼泊尔金融语音里被格式卡住的钱包
语音识别 | 6.1/10
论文解读
剧本写好了时间，音画却演错了拍子：用路由把时间还给剧本
音视频生成 | 7.5/10
论文解读
先分好组再混音：为什么两阶段不是技巧，而是分工
音乐生成 | 7.0/10
论文解读
在喇叭与犬吠同时响起时听清人声：VAANI 如何把印度田野噪声钉在时间轴上
语音识别 | 5.8/10
论文解读
边听边分清谁在说：把长历史留下来做说话人归属
语音识别 | 7.5/10
每日研究速递
语音/音乐/音频论文速递 2026-09-03
共分析 18 篇语音/AI 论文
论文解读
评测比模型更碎：用一套可组合的流水线让全模态分数可比、可复现
多模态模型 | 8.3/10
论文解读
当嵌入不再确定：把不确定性从打分一路带到校准的后端闭环
说话人验证 | 7.8/10
论文解读
开耳助听器里漏进来的噪声，为何要让扬声器自己去抵消？
语音增强 | 7.5/10
论文解读
把拉格从玄学拉回有限状态：当重建变成约束 MAP 的精确动态规划
音乐理解 | 6.8/10
论文解读
单塔为何还能赢双塔：BiMTokenizer 用双向状态与固定格点重做 1.1 kbps 的语义-声学平衡
语音编码 | 8.3/10
论文解读
越干净，越脆弱：当语音增强抹掉了阿尔茨海默病的线索
音频分类 | 7.0/10