论文解读

Scaling Conversational Hungarian ASR: The BEA-Dialogue+ Corpus

语音识别 | 7.2/10

 · 更新于 2026-11-05 · 约 12 分钟 · 5792 字 阅读 →
论文解读

UniAudio-Token: Empowering Semantic Speech Tokenizers with General Audio Perception

语音合成 | 10/10

 · 更新于 2026-11-05 · 约 16 分钟 · 7690 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-01

共分析 23 篇语音/AI 论文

 · 更新于 2026-11-05 · 约 73 分钟 · 36167 字 阅读 →
论文解读

A Multi-Probe Audit of Clinical-Interview Depression Detection Benchmarks

语音情感识别 | 9.6/10

 · 更新于 2026-11-05 · 约 13 分钟 · 6505 字 阅读 →
论文解读

Direct Preference Optimization for English-Mandarin Code-Switching Speech Recognition in Audio LLMs

语音识别 | 7.2/10

 · 更新于 2026-11-05 · 约 11 分钟 · 5495 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-30

共分析 6 篇语音/AI 论文

 · 更新于 2026-11-05 · 约 17 分钟 · 8127 字 阅读 →
论文解读

Data-Efficient On-Policy Distillation for Automatic Speech Recognition

语音识别 | 5.1/10

 · 更新于 2026-11-05 · 约 10 分钟 · 4830 字 阅读 →
论文解读

Dial HEALTHDIAL for Advice: A Multilingual and Multi-Parallel Spoken Dialogue Dataset for Knowledge-Grounded Information Seeking

语音合成 | 8.6/10

 · 更新于 2026-11-05 · 约 12 分钟 · 5895 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-29

共分析 20 篇语音/AI 论文

 · 更新于 2026-11-05 · 约 57 分钟 · 28306 字 阅读 →
论文解读

Benchmarking AI for low-resource contexts: Thinking beyond leaderboards

语音识别 | 5.1/10

 · 更新于 2026-11-05 · 约 13 分钟 · 6151 字 阅读 →
论文解读

Building Community-Centred NLP Resources for Puno Quechua

语音识别 | 7.2/10

 · 更新于 2026-11-05 · 约 11 分钟 · 5330 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-28

共分析 30 篇语音/AI 论文

 · 更新于 2026-11-05 · 约 84 分钟 · 42014 字 阅读 →
论文解读

Beyond Binary: Speech Representations Across the Cognitive Score Hierarchy

自监督学习 | 8.1/10

 · 更新于 2026-11-05 · 约 13 分钟 · 6023 字 阅读 →
论文解读

FalAR: A Large-scale Speaker-Annotated European Portuguese Speech Corpus of Parliamentary Sessions

语音识别 | 5.5/10

 · 更新于 2026-11-05 · 约 11 分钟 · 5287 字 阅读 →
论文解读

Music Transcription with (Almost) No Supervision

音乐转录 | 7.5/10

 · 更新于 2026-11-05 · 约 12 分钟 · 5819 字 阅读 →
论文解读

PashtoTTS-Bench: automated screening for low-resource non-Latin-script text-to-speech

语音合成 | 6.5/10

 · 更新于 2026-11-05 · 约 17 分钟 · 8339 字 阅读 →
论文解读

PilotTTS: A Disciplined Modular Recipe for Competitive Speech Synthesis

语音合成 | 9.2/10

 · 更新于 2026-11-05 · 约 15 分钟 · 7303 字 阅读 →
论文解读

Thaka at KSAA-2026 Task 2: Regularized Fine-Tuning for Arabic Speech Diacritization

语音识别 | 6.0/10

 · 更新于 2026-11-05 · 约 13 分钟 · 6387 字 阅读 →
论文解读

WaveNeXt 2: ConvNeXt-Based Fast Neural Vocoders With Residual Denoising and Sub-Modeling for GAN and Diffusion Models

语音合成 | 8.5/10

 · 更新于 2026-11-05 · 约 12 分钟 · 5927 字 阅读 →
论文解读

Zero-Shot Parkinson's Disease Detection from Speech: Comparing Large Audio and Language Models

大语言模型 | 5.2/10

 · 更新于 2026-11-05 · 约 14 分钟 · 6816 字 阅读 →