论文解读
把关键词藏起来还能无损找回来：IO-RAE 的可逆混淆
针对语音被人和自动语音识别系统窃听关键词的问题，论文用大语言模型选替换词加累积信号攻击做局部混淆、再用可逆信息隐藏嵌入扰动，在 LibriSpeech 上报告目标误导率 96.5% 与恢复音频 PESQ 4.45，代价是强扰动与可逆嵌入的存储开销和对齐依赖。
信号处理
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
不加噪声也能留后门：用整体起伏的频率与响度曲线触发说话人识别
针对闭集说话人识别的投毒后门问题，论文用时域上的频率调制与幅度调制构造全局平滑触发，在中毒率 0.05 等条件下报告数字与物理场景的高攻击成功率，同时保持良性准确率下降有限，但干净标签等更难设置的性能明显走弱。
论文解读
冻住一半时域滤波器：Orukeet 用拟合 Gabor 核约束多语识别器
Orukeet 把 Parakeet 编码器中拟合误差最小的 12,288 个时域卷积核替换为解析 Gabor 函数并冻结，再训练其余参数，在 FLEURS 混合词错率上从 11.01% 降到 9.85%，代价是希腊语等少数划分明显变差且最终调优依赖 LibriSpeech test-other。
论文解读
看得见动、听得见位：Sonic4D 把单目视频变成可走动的视听 4D
Sonic4D 针对 4D 生成只有画面没有空间音频的问题，用单目视频生成动态场景与单声道音频、再定位声源三维轨迹并做房间脉冲响应卷积，在 STARSS23 子集上方位误差降到 18.6 度、用户偏好达 89.03%，代价是依赖多个预训练专家模型与室外场景近似为室内混响。
论文解读
整段对话只换一句话：冻结检测器如何给出伪造时间戳
论文把多说话人对话中的手术式伪造注入形式化为时序定位问题，用冻结二分类器加滑窗与迟滞解码器实现零样本定位，在 180 段构造对话上以强骨干达到时序交并比 0.90 左右，但边界位移约 3.5 秒且短时域外生成器注入仍接近全漏检。
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
记忆即变换：LETHE 用能量判别与随机扰动让混响参数自己走
LETHE 把 3×3 反馈延迟网络当作可被改写的房间，用五特征线性判别器对照初始声音 DNA、以单样本扰动更新十一个参数，45 组 180 秒对照显示只有生成器开启时 c22 才会演化，但稳定工作点偏离经典纳什均衡且扰动先验仍待剥离。
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
6G Communication Networks Enabling Embodied Agents: Architecture and Prototype
信号处理 | 2.7/10
论文解读
Broad learning system with robust adaptive kernel
信号处理 | 8.7/10
论文解读
Copula-Induced Correntropy for Robust Conjugate Gradient Learning
信号处理 | 7/10
论文解读
Self-Calibration DOA Estimation for Movable Antenna Systems with Antenna Position Errors
声源定位 | 4/10
论文解读
Word-Level Modeling with Alignment-Aware Acoustic Fusion for Text-Assisted Intelligibility Prediction in Listeners with Hearing Loss
语音质量评估 | 7.7/10
每日研究速递
语音/音乐/音频论文速递 2026-05-25
共分析 19 篇语音/AI 论文
论文解读
From Volterra Series to Kunchenko Stochastic Polynomials: Half a Century of Non-Gaussian Estimation Methodology
统计信号处理 | 7.8/10
论文解读
From Numbers to Perception, Energy Decay Curves Prediction
空间音频 | 7.2/10
论文解读
Precise and Simple Audio-to-Score Alignment
音乐信息检索 | 6.8/10
每日研究速递
语音/音乐/音频论文速递 2026-05-21
共分析 40 篇语音/AI 论文
论文解读
Cross-Talk Speech Reduction, by Separation, for Separation
语音分离 | 8.3/10
论文解读
Fast Multichannel NMF with Block-Diagonal Spatial Covariance Matrices for Efficient Blind Source Separation Using Distributed Microphone Arrays
语音分离 | 6.5/10