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。

每日研究速递

语音/音乐/音频论文速递 2026-06-09

共分析 48 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 141 分钟 · 70154 字 阅读 →
论文解读

Acoustic Cue Alignment in Audio Language Models for Speech Emotion Recognition

语音情感识别 | 7.8/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5285 字 阅读 →
论文解读

Beyond Semantic Dominance: Cognitive Affective Reasoning and Empathetic Response Alignment in Audio Language Models

语音合成 | 9.2/10

 · 更新于 2026-10-16 · 约 26 分钟 · 12718 字 阅读 →
论文解读

How Far Can Chord-Symbol Time-Series Adaptation Carry Genre Identity? Capabilities and Boundaries in Multi-Genre Chord-Symbol Modeling

音乐信息检索 | 8.8/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5729 字 阅读 →
论文解读

KIT's Submission to Cross-Lingual Voice Cloning in IWSLT 2026

语音合成 | 7.2/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5494 字 阅读 →
论文解读

SpectCount: Spectrotemporal Counting via Synthetic Signals Improves Large Audio Language Models

数据增强 | 5.5/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4925 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-08

共分析 38 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 108 分钟 · 53770 字 阅读 →
论文解读

Age-Aware Adapter Tuning for Children's Speech Recognition

语音识别 | 8.4/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5531 字 阅读 →
论文解读

Beyond Generative Decoding: Discriminative Hidden-State Readout from a Native Omni-Modal LLM for Multimodal Sentiment Analysis

多模态模型 | 5.3/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6789 字 阅读 →
论文解读

FiLM-Based Speaker Conditioning of a SpeechLLM for Pathological Speech Recognition

语音识别 | 8.0/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7310 字 阅读 →
论文解读

FORTE: FOL-guided Optimal Refinement for Text-audio rEtrieval

参数高效微调 | 8.1/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6667 字 阅读 →
论文解读

GLASS: GRPO-Trained LoRA for Acoustic Style Steering in Zero-Shot Text-to-Speech

语音合成 | 8.2/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6599 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-05

共分析 47 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 127 分钟 · 63374 字 阅读 →
论文解读

Multilingual Long-Form Speech Instruction Following: KIT's Submission to IWSLT 2026

语音识别 | 10/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6280 字 阅读 →
论文解读

Video2LoRA: Parametric Video Internalization for Vision-Language Models

参数高效微调 | 7.5/10

 · 更新于 2026-10-16 · 约 5 分钟 · 2262 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-04

共分析 22 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 60 分钟 · 29896 字 阅读 →
论文解读

Logit Distillation on Manifolds: Mapping by Learning

语音识别 | 6.5/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6262 字 阅读 →
论文解读

MoDAl: Self-Supervised Neural Modality Discovery via Decorrelation for Speech Neuroprosthesis

自监督学习 | 6.6/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5302 字 阅读 →
论文解读

SegTune: Structured and Fine-Grained Control for Song Generation

音乐生成 | 8.5/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6788 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-03

共分析 40 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 123 分钟 · 61249 字 阅读 →