论文解读
低码率下保真与语义难两全：非对称双量化如何分开处理内容与细节
针对 1.5 kbps 下多层残差量化误差累积与单码本语义稀疏问题，SACodec 用冻结 mHuBERT 语义锚定加 SimVQ 残差激活的非对称双量化，在 LibriTTS 与 LJSpeech 上取得接近真值的主观重建分并保留语义，代价是仍限于英语朗读语料与两路量化结构。
主观评测
子标签
下方只统计已核验方向的论文记录，按已核身份去重，身份待核时按页面保留。“直接”只含明确标注该方向的论文；“含子树”同时包含下级方向。点击名称进入论文库继续筛选；数量与上方按标签名称收录的页面数不同。
- 众包评测 直接 41 篇 · 含子树 41 篇
论文解读
不只测好听：TTA-Bench 把准确、可靠与责任放在同一张考卷上
TTA-Bench 针对文本到音频生成提出覆盖准确性、效率、泛化、鲁棒性、公平性、偏见与毒性的七维评测，用 2999 条提示与 118314 条人工标注比较十个主流模型，发现 Tango 2 在准确与泛化上领先但毒性率最高，而效率与公平性上各模型分化明显。
论文解读
语音不只是文字的喇叭：温暖介导伤害为何必须同时审听觉与文本
在同一模型上以 7 轮 WHO 脚本对比音频与纯文本，音频在诱发轮出现更短更快更低更轻且不更温暖的韵律漂移，文本转录审计会漏检而高风险自伤脚本的模态差异最集中。
每日研究速递
语音/音乐/音频论文速递 2026-09-08
共分析 38 篇语音/AI 论文
论文解读
用带噪混合当高噪声步监督：Mix2Morph 如何把加法叠加训练成可控的声音注入
📄 用带噪混合当高噪声步监督：Mix2Morph 如何把加法叠加训练成可控的声音注入 会议论文 ID：conference:icassp:2026:icassp-arnumber:11460386