论文解读
当声音在笑、文字在哭：大音频语言模型为何听不见讽刺
语音情感识别 | 8.1/10
参数高效微调
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
对齐做得更紧，模型却更早替你做决定：音视频矛盾下的晚期先验固化
音视频理解 | 6.5/10
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
当语音和文本各说各话，重排器如何当翻译官？
LoRA | 5.8/10
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
Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026
音频理解 | 7.7/10
每日研究速递
语音/音乐/音频论文速递 2026-08-26
共分析 26 篇语音/AI 论文
论文解读
The Null Token Knows: Reducing Message-Free Hallucination in ASR and NMT
语音识别 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-08-18
共分析 39 篇语音/AI 论文
论文解读
Leading-Silence Augmentation and Multi-Stage Synthetic Supervision for the Second MLC-SLM Challenge
说话人日志 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-08-17
共分析 20 篇语音/AI 论文
论文解读
CASA: Content-Acoustic Speaking Assessment with Speech Encoder and Large Language Model
语音质量评估 | 7.9/10
每日研究速递
语音/音乐/音频论文速递 2026-08-14
共分析 12 篇语音/AI 论文
论文解读
Qwen-MusicAVQA-7B: A Multimodal Model for Music Audio-Visual QA
音视频问答 | 6.6/10
论文解读
Robust Multi-Tier Infant-Centered Audio Understanding with Whisper via Structured Speaker Conditioning
音频事件检测 | 6.0/10
论文解读
UniSwap: Streaming Audio-Visual Identity Swapping for Talking Videos
音视频生成 | 7.8/10
每日研究速递
语音/音乐/音频论文速递 2026-08-13
共分析 18 篇语音/AI 论文
论文解读
myMediWhisper: Construction of Burmese Medical Speech Corpus and Whisper Fine-Tuning for Clinical Dialogue ASR
语音识别 | 6.7/10
论文解读
Whisper-Aware LLM: Self-Supervised Uncertainty Learning for Robust Whispered Speech Recognition
语音识别 | 6.1/10