按方向浏览
研究方向与多级分类
任务、方法、条件是并列的分类视角。点击方向名称进入论文库,点击箭头展开下一级;父方向可包含全部子方向。也可以在论文库组合筛选。
选择分类视角,逐级浏览。
方向计数与分类范围说明
方向数量按论文身份去重;研究类型与范围的核验覆盖可在论文库查看。方向覆盖数量不代表每篇原文均已重新审核。
同一篇已核论文只计一次,身份待核时按页面保留。数量含下级方向,兄弟方向可能重叠,不能直接相加;直接 0 条也可能有下级论文。
研究任务
- 唇读Lip reading 4 条
- 强制对齐Forced alignment 44 条
- 语音翻译Speech translation 155 条
- 语音交互Speech interaction 356 条
- 轮次切换Turn taking 90 条
- 语音合成Speech synthesis 598 条
- 语音转换Voice conversion 108 条
- 语音克隆Voice cloning 81 条
- 语音编辑Speech editing 42 条
- 语音配音Voice dubbing 16 条
- 语音增强Speech enhancement 276 条
- 去混响Dereverberation 44 条
- 语音分离Speech separation 144 条
- 音频分类Audio classification 426 条
- 音频理解Audio understanding 487 条
- 音频推理Audio reasoning 45 条
- 音频检索Audio retrieval 119 条
- 音频生成Audio generation 239 条
- 音乐生成Music generation 368 条
- 音乐分析Music analysis 212 条
- 节拍跟踪Beat tracking 16 条
- 音乐检索Music retrieval 38 条
- 音频编码Audio coding 191 条
- 语音编码Speech coding 107 条
- 音频交互Audio interaction 103 条
- 音频编辑Audio editing 25 条
研究方法
- 生成模型Generative modeling 1098 条
- 扩散模型Diffusion modeling 368 条
- 流匹配Flow matching 374 条
- TransformerTransformer 279 条
- 状态空间模型State-space models 108 条
- 混合专家模型Mixture of experts 133 条
- 向量量化Vector quantization 286 条
- 对比学习Contrastive learning 348 条
- 迁移学习Transfer learning 349 条
- 领域适应Domain adaptation 201 条
- 元学习Meta-learning 24 条
- 多任务学习Multi-task learning 193 条
- 模型压缩Model compression 171 条
- 模型剪枝Model pruning 57 条
- 模型融合Model combination 200 条
- LoRALow-rank adaptation 264 条
- 前缀微调Prefix tuning 11 条
- 提示学习Prompt learning 56 条
- 数据增强Data augmentation 251 条
- 用户研究User study 119 条
- 心理测量Psychometrics 18 条
- 数据集构建Dataset curation 338 条
- 数据标注Data annotation 43 条
- 评测协议Evaluation protocol 952 条
- 基准设计Benchmark design 592 条
- 形式化分析Formal analysis 154 条
- 统计分析Statistical analysis 594 条
- 多模态学习Multimodal learning 806 条
- 注意力机制Attention mechanism 400 条
- 正则化Regularization 152 条
- ConformerConformer 38 条
- 信号处理Signal processing 690 条
- 波束成形Beamforming 69 条
- 数据清洗Data cleaning 27 条
研究条件
- 多语言Multilingual 482 条
- 代码转换Code-switching 14 条
- 跨语言Cross-lingual 189 条
- 零样本Zero-shot 270 条
- 少样本Few-shot 85 条
- 低资源Low-resource 270 条
- 流式处理Streaming 322 条
- 实时处理Real-time processing 188 条
- 多通道Multichannel 280 条
- 麦克风阵列Microphone array 216 条
- 单通道Single-channel 54 条
- 在线推理Online inference 12 条
- 长上下文Long context 7 条
- 预训练Pretraining 86 条
- 后训练Post-training 52 条
- 端到端End-to-end 16 条
- 严格因果Strictly causal 56 条
- 端侧运行On-device execution 118 条
信号
- 语音Speech 2546 条
- 音乐Music 720 条
- 环境声Environmental sound 151 条
- 音视频Audio and video 590 条
- 脑信号Neural signals 100 条
应用
- 医疗音频Medical audio 247 条
- 语音生物标志物Speech biomarker 129 条
- 游戏音频Game audio 14 条
- 助听器Hearing aids 63 条
- 教育Education 97 条
- 无障碍Accessibility 4 条
研究重点
- 鲁棒性Robustness 530 条
- 高效推理Inference efficiency 527 条
- 模型评估Model evaluation 364 条
- 模型比较Model comparison 130 条
- 可解释性Interpretability 329 条
- 公平性Fairness 95 条
- 隐私保护Privacy 126 条
- 音频安全Audio security 54 条
研究产物
- 数据集Dataset 629 条
- 基准测试Benchmark 676 条
- 软件工具Software tools 188 条
- 开源工具Open-source tools 144 条
科学主题
- 韵律Prosody 323 条
- 言语感知Speech perception 145 条
- 言语障碍Speech disorders 61 条
- 社会语音学Sociophonetics 55 条
- 空间音频Spatial audio 32 条
- 生物声学Bioacoustics 19 条
模型家族
- 音频大模型Large audio models 267 条