严格因果

该研究以帧级音素分类为人工耳蜗语音增强的代表性单元，比较一维时间、一维频率与二维时频因果卷积前端及层数与后端搭配，在 STM32F746G 上实测延迟与内存，显示加前端普遍提分而一维结构更易满足亚 10 毫秒约束，代价是加深并不单调增益且二维深层内存与延迟急剧上升。

针对微型扬声器非线性失真导致线性声区控制泄漏抑制失效的问题，论文用高保真建模网络离线刻画非线性再冻结监督轻量因果控制网络并配合主扬声器锚定策略，在真实手机防泄漏任务 200–2000 Hz 带内取得比线性 VAST 高 3.78 dB、比参数匹配因果 CNN 高 1.80 dB 的声对比度提升，代价是需要两阶段训练与高电平实测数据且暗区仍有残余能量。

针对语音识别语料标注偏松导致日志边界虚胖的问题，该研究用因果与反因果模型取交集生成紧伪标签并协同训练，在理想紧标签增益中恢复约 70% 并改善下游识别，但以漏检上升和仍需紧标注验证为代价。

针对流式低码率下波形编码丢语言内容、语义编码又依赖非因果或双分支的问题，LitCodec 在因果编码器量化前加 CTC 的 ASR 监督并用单码本 FSQ 统一输出，在 LibriSpeech 上 800bps 取得流式最优 PESQ 2.56、STOI 0.925 和 WER 2.8%，代价是 UTMOS 自然度仍低于同码率 TS3-Codec。

针对流式语音增强只能用过去帧且延迟受限的问题，RT-SEMamba 用全因果时频 Mamba 做在线推理，并用渐进知识蒸馏把 8 层教师压缩到 1 层学生在 25 ms 算法延迟下从 3.06 提升到 3.18 PESQ，代价是仍与 8 层教师的 3.32 存在差距。

针对常开边缘设备的因果低延迟语音活动检测问题，kiloVAD 选择标准梅尔特征加纯卷积主干，配合逐层结构化剪枝与角度感知量化，在 200 毫秒因果评估下以 2.1 千参数达到 AVA-Speech 上 0.850 的曲线下面积，代价是极限压缩时部分种子出现层坍塌且 4 比特量化仍明显掉点。

MECT 针对全监督说话人确认中卷积局部建模与 Transformer 全局建模难以兼顾的问题，把四种混合专家结构放进 Transformer 前馈位置，用帧级稠密 4 专家在 VoxCeleb 上取得 minDCF 0.012、0.026、0.048 的报告结果，代价是参数从 9.40M 增至 9.57M 并需因果重训才支持 100 ms 流式。

共分析 42 篇语音/AI 论文

该研究把双耳声波形直接映射为连续高采样率脑电，用约 250 小时异构数据训练一个因果编码器解码器，并在并行脑干响应、语音时间响应函数与双耳交互成分三类范式上复现了已知的形态与刺激依赖效应，但串行呈现幅值与部分响应幅度仍存在系统性偏差。

共分析 36 篇语音/AI 论文

论文复活 Etter 双向自回归插值，用前后向预测残差能量最小导出线性方程组求缺口样本，并给出短缺口高阶模型和因果丢包隐藏两种扩展，在 80 毫秒内音乐缺口上与多数基线相当但弱于逐缺口 Janssen 迭代法且外插简化版更快。

共分析 29 篇语音/AI 论文

该文针对 CHiME-9 Task2 多通道助听增强的延迟与跨通道建模矛盾，采用延迟感知外壳加单向时间 Mamba 核心的解耦结构，在助听器开发集上因果配置以 1.36M 参数和 0.005 实时率超越官方基线，离线加深配置进一步提升指标但延迟增至秒级。

共收录 14 篇 chime-2026 会议论文的 Reader 深度解读

DriftSE 把语音增强写成潜空间分布对齐问题，用冻结编码器的帧级漂移场在训练时牵引生成分布、推理时丢弃漂移只做一次前向，在四个数据集上以 1 次函数求值取得词错误率最优，但纯声学潜空间会出现幻觉而非配对训练会损失语义保真度。

共分析 27 篇语音/AI 论文

共收录 103 篇 cvpr-2026 会议论文的 Reader 深度解读

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

针对声学回声控制中深度模型计算量过大而直接缩小模型会明显掉性能的问题，论文用大教师指导小学生的知识蒸馏训练轻量 CGGN16，在双讲条件下保住近端语音并有效抑回声，代价是仍需先训练大教师且依赖仿真数据条件。

针对具身对话需要因果、低延迟且富有表现力的手势问题，MIBURI 直接复用 Moshi 语音文本模型的内部 token 流，用身体分区残差码本与时间加运动学双变换器逐帧生成手势，并以 36 ms 每帧的在线演示和多说话人评测支撑其因果实时主张，但仍未达到真值自然度且未建模用户身体。