每日研究速递
语音/音乐/音频论文速递 2026-08-29
共分析 29 篇语音/AI 论文
论文速递
论文解读
别让检测器猜伪迹：先把原声的压缩记忆藏回去
语音伪造检测 | 6.5/10
论文解读
不估路径，先认出声音：跨终端啸叫为何要改用对象门控
回声消除 | 4.9/10
论文解读
AllMusicCaps：让专辑评论成为可检索音乐语义的补充监督
论文把专家专辑评论转为曲目级 caption，并在混合语料、编码层和目标函数的分轴比较中检验其适用范围。
论文解读
别把中层热图当读心术：音频 LLM 的工作空间究竟替谁完成了推理
音频理解 | 6.6/10
论文解读
想找回被替换的原话，先接受水印不能再像哈希那样精确
音频水印 | 6.4/10
论文解读
让声码器也理解方向：CSAVocoder 把空间线索留在最后一公里
空间音频 | 7.6/10
论文解读
让每个频率格为自己的关系负责：DS 接入音乐模型
音乐理解 | 7.2/10
论文解读
把电话声道和业务词汇分开付账：Canary 的两次适配实验
语音识别 | 7.9/10
论文解读
32 分钟语料能给 Baniwa ASR 一个起点，却不能借此跳过泛化检验
语音识别 | 4.7/10
论文解读
ASR 评测别急着换大模型：先分清向量度量、候选裁判与错误解释
语音质量评估 | 6.1/10
论文解读
把教师的回声残差教给小模型：AEC 蒸馏到底补回了什么
回声消除 | 8.5/10
论文解读
把 100 小时 MEG 拆成两种稀缺资源，才看得见神经语音解码该怎样扩展
基准测试 | 8.9/10
论文解读
忘掉不等于擦除：语音网络把关键期痕迹压在了最底层
语音识别 | 8.6/10
论文解读
谐音不是错字：让普通话 ASR 在纠错与保留笑点之间踩刹车
语音识别 | 5.7/10
论文解读
别把旧类压成一个点：SPECTRA 用低秩几何给 5-shot 音频增量学习留住记忆
音频分类 | 7.2/10
论文解读
别等整句说完：把数字人的手势变成一条受因果约束的数据流
音视频交互 | 6.9/10
论文解读
把“该不该开口”拆成可追责时间表：TurnBench 逼出的轮次交接难题
语音交互 | 8.5/10
论文解读
语音助手的记忆为什么要分脑：VoiceMem 用 134 ms 换来 top-5 的长期理解
语音交互 | 6.6/10
论文解读
别再把同步分数当裁判：先问它量的是偏移、内容，还是感知代理
音视频理解 | 8.8/10