论文解读
不只给一个抑郁概率：把声音拆成四条可审计的 DSM-5 线索
语音情感识别 | 7.1/10
论文速递
论文解读
梵颂为何难唱：当吟诵的旋律不在文本里
语音合成 | 7.9/10
论文解读
当文字说得太漂亮，声音却在摇头：如何让模型听出言外之意
语音交互 | 6.6/10
论文解读
克隆与匿名本是一体两面：把 27k 小时的 TTS 直接当成隐私滤镜
语音转换 | 8.0/10
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