论文解读
当目标永远无法被完美复刻，我们该如何评判模仿的好坏？
音频生成 | 6.4/10
论文速递
论文解读
效果是效果，声音是声音：当表征必须同时记住与忘记内容
音频检索 | 8.0/10
论文解读
翻译丢掉的不只是词：当语调跨越语言还能剩下多少？
语音翻译 | 6.0/10
论文解读
当和声不再只谈音高：用搬运代价度量音色的几何
音乐理解 | 5.5/10
论文解读
把去噪塞进耳蜗编码器里：用稀疏脉冲换六倍能耗
语音增强 | 6.7/10
论文解读
不用再把 PDM 翻译成 PCM：让状态空间模型直接听懂单比特麦克风
语音增强 | 7.5/10
论文解读
看得懂谱，听得出演奏，才算懂音乐：MuSP-Bench 为何要把乐谱与演奏放在一起考
音乐理解 | 6.2/10
论文解读
泛化失效有两种：能用标注买回的，和换什么表征也买不回的
音频理解 | 8.5/10
论文解读
没有金标准时，怎么判断对齐切得准不准
语音识别 | 9.1/10
论文解读
把拾音器从琴上焊死的位置里解放出来：64 路沿弦采样如何把音色选择推迟到混音台
音乐源分离 | 7.7/10
论文解读
0.76 分里的诚实：当语音失灵时，眼睛如何泄露下一句话的时机
语音交互 | 6.0/10
论文解读
把销售话术拆成可审计的流水线：SETU 为何用多智能体而非一个大模型打分
音视频理解 | 5.5/10
论文解读
先别让模型开口：当语音大模型需要学会拒绝
语音识别 | 8.3/10
论文解读
听错一句，机器就敢动手：语音误差如何撬开具身智能的安全锁
语音交互 | 5.1/10
每日研究速递
语音/音乐/音频论文速递 2026-08-31
共分析 22 篇语音/AI 论文
论文解读
当语音和文本各说各话，重排器如何当翻译官？
LoRA | 5.8/10
论文解读
先分清状态，再决定能不能说话：Anian 如何把生成关进安全笼子
语音交互 | 5.0/10
论文解读
当一句非洲对话里藏着两种语言，语音识别该听哪一种？
语音识别 | 8.1/10
论文解读
在干净与噪声之间不敢用力的对比解码：用注意力给干预装上刹车
语音识别 | 6.0/10
论文解读
长音频不是更长的短音频：AudioSpan 如何逼模型证明它真的听见了
音频理解 | 8.7/10