论文解读
严重程度拉开差距时仍要可用：用严重程度混合微调 Whisper-small 并在 Jetson 上实测
针对唇腭裂语音随严重程度差异大的识别难题，论文用不同严重程度组合微调 Whisper-small 并在 Jetson 上实测，NOMIMOSE 把合并词错误率从 62.46% 降到 22.72%，NOMIMO 把合并音素错误率降到 18.44%，CLP-only 拿到最接近零的公平性得分 -22.85，而微调模型保持 0.167-0.171 实时系数和约 …
低资源
论文解读
十六种方言同一套音频：辨别与转写为何难同步提升
该挑战用同一批十六类方言音频同时考辨别与转写，统一基线仅 53.62% 辨别准确率与 18.10% 转写错误率，最强受限系统做到 83.19% 与 11.08%，而困难方言与混淆方向显示两任务相关但不可互相替代。
论文解读
从听见一个词到认出一个词：LibriBrain100 如何把词分类与跨人泛化变成可比的竞赛
论文把脑磁图听语音解码推进到固定 50 词分类，用深度单人赛道冲极限、用广度多人赛道考少量数据适应，以竞赛词表平衡前十准确率为主要标尺并配双词表与互信息，同时代价是评估只覆盖固定词表而非开放词汇转写。
每日研究速递
语音/音乐/音频论文速递 2026-09-04
共分析 30 篇语音/AI 论文
论文解读
百分之百的正确，也可能只说出了百分之五：语音脑机接口需要一把共同的尺子
语音识别 | 7.4/10
论文解读
一个人、一套配方、七种适配器：重度构音障碍识别该押注哪种微调
语音识别 | 5.9/10
论文解读
念对了也白搭：尼泊尔金融语音里被格式卡住的钱包
语音识别 | 6.1/10
每日研究速递
语音/音乐/音频论文速递 2026-09-03
共分析 18 篇语音/AI 论文
论文解读
当解码器缺的不是声音，而是下一词的语义证据
语音识别 | 8.4/10
每日研究速递
语音/音乐/音频论文速递 2026-09-01
共分析 49 篇语音/AI 论文
论文解读
没有金标准时，怎么判断对齐切得准不准
语音识别 | 9.1/10
每日研究速递
语音/音乐/音频论文速递 2026-08-31
共分析 22 篇语音/AI 论文
论文解读
当一句非洲对话里藏着两种语言，语音识别该听哪一种？
语音识别 | 8.1/10
论文解读
不训练模型，只靠对齐：用图像把英文单词钉到印地语语音里
音频检索 | 7.3/10
论文解读
当八成轮替都重叠时，静音阈值为什么会失灵？
多模态模型 | 5.1/10
论文解读
合成语音越多越好吗？在音素层面重新称量文本的价值
语音识别 | 6.2/10
论文解读
把嘴边的电极收回指尖：按需贴合如何让无声语音既可用又不打扰隐私
语音识别 | 5.9/10
论文解读
梵颂为何难唱：当吟诵的旋律不在文本里
语音合成 | 7.9/10
每日研究速递
语音/音乐/音频论文速递 2026-08-29
共分析 29 篇语音/AI 论文
论文解读
32 分钟语料能给 Baniwa ASR 一个起点，却不能借此跳过泛化检验
语音识别 | 4.7/10