每日研究速递
语音/音乐/音频论文速递 2026-09-12
共分析 42 篇语音/AI 论文
人类参与评测
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。
论文解读
把申克分析变成逐层留音符：用多关系图与节点隔离学层次
针对巴洛克赋格主题的申克层次标注问题，AutoSchA 把乐谱建成多关系音符图并用节点隔离做可学习的逐层池化，在小样本专家数据上接近人类分析但仍残留可察觉的别扭连接且仅验证了该体裁。
论文解读
答对不等于听懂：用六维过程分拆开音频推理的感知与推进
针对大音频语言模型只看准确率会把猜对误判为真推理的问题，论文提出免人工标注金链的六指标 ARIA-Rubrics 做过程评估，在 9 个模型与 2 个基准上显示准确率与过程质量系统性偏离，而完整 ARIA 与人评 Spearman 达 0.671，代价是仍需冻结的轻量打分模型与外部对齐模型。
论文解读
证据分散且多解：用分角色辩论与淘汰赛留下更站得住的关系判断
针对从双人对话推断熟人与陌生人及具体熟人关系的问题，论文提出免训练的多角色辩论与竞争裁决流程，在同一过滤测试集上比较零样本与辩论基线，结构化交互在文本与音文结合上取得宏 F1 领先，但纯音频提升不稳定且多次调用带来更高推理成本。
每日研究速递
语音/音乐/音频论文速递 2026-09-11
共分析 38 篇语音/AI 论文
论文解读
PRISM-Bench：用音频类型与声源可见性交叉诊断文生音视频的接地能力
针对文生音视频评估重视频轻音频的问题，PRISM-Bench 以语音/音乐/音效与 On-screen/Off-screen 交叉分层与四维度 35 条细粒度标准组织 900 条人工校验样本，并用盲式并排、以真值为锚的 MLLM-as-a-Judge 两阶段打分实现超过 70% 的人类一致性，揭示前沿闭源模型在可感保真度上已超真值但在可见声源同步与精细声音控 …
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