论文解读
相位越不准，幅度越要背锅：用频带加权把流式增强从过衰减里拉回来
语音增强 | 6.4/10
论文速递
论文解读
韵律能猜出多少句法？把停顿与时长放进互信息的秤上称重
Transformer | 7.6/10
论文解读
当一句“右转航向 150”必须找到那架飞机：语音与轨迹如何在同一个地图上相遇
对比学习 | 7.5/10
论文解读
当视频自己听不见节拍：VIBE 如何让背景音乐既对上画面，又听懂文字指令
音乐生成 | 7.1/10
论文解读
歌声里藏着母语的口型：当音素的物理约束在旋律中留下指纹
音乐理解 | 8.0/10
论文解读
当模型听得见声音，却听不懂语气：VocalAffectBench 为何要把情感从文字里剥离
语音情感识别 | 7.4/10
论文解读
只给顺序不给时间：用会遗忘的节奏记忆补上塔布拉转录的弱监督缺口
音乐转录 | 6.3/10
论文解读
听见了，就要指得出来：用可验证的时间证据检验音乐大模型的耳朵
音乐理解 | 6.5/10
论文解读
主观分数能当奖励吗？当感知预测器遇上可懂度硬约束
语音合成 | 7.6/10
论文解读
模型听见的是期待的语调：当讽刺检测依赖高音与停顿的刻板印象
语音情感识别 | 7.4/10
论文解读
当声音在笑、文字在哭：大音频语言模型为何听不见讽刺
语音情感识别 | 8.1/10
每日研究速递
语音/音乐/音频论文速递 2026-09-01
共分析 49 篇语音/AI 论文
论文解读
当混响不再模仿房间：用声码器思路把噪声织成尾响
音频生成 | 7.2/10
论文解读
方差不该越过底线：用单峰约束重画 MOS 的容许区间
语音质量评估 | 7.4/10
论文解读
文字答得滴水不漏，声音却露了怯：财报电话会里的双重规避
语音情感识别 | 6.2/10
论文解读
把截断搬进频域：用 sinc 重采样让振荡器同步不再混叠
音乐生成 | 7.9/10
论文解读
波形有用，不等于必须调用生成式音频模型
音频分类 | 6.0/10
论文解读
对齐做得更紧，模型却更早替你做决定：音视频矛盾下的晚期先验固化
音视频理解 | 6.5/10
论文解读
在茶树里听见白蚁：当 81.5% 的准确率比 98% 更诚实
音频分类 | 5.1/10
论文解读
把空间感调得更夸张，音乐会更清晰吗？
音乐理解 | 6.1/10