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

Fusion Embedding: A Unified Embedding Space for Text, Image, Video, and Audio

音频检索 | 8.6/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8119 字 阅读 →
论文解读

Transcription Policy as a Latent Variable: Activating Controllable Verbatim ASR with Word-Level Timing

语音识别 | 7.1/10

 · 更新于 2026-10-15 · 约 18 分钟 · 8698 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-22

共分析 20 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 71 分钟 · 35132 字 阅读 →
论文解读

An Audio Language Model-Based Voice Concept Bottleneck Framework for Interpretable Health Assessment

语音质量评估 | 6.2/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7062 字 阅读 →
论文解读

Pseudo-label distillation for discriminative anomalous sound detection

音频事件检测 | 9.0/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7353 字 阅读 →
论文解读

Robust Summarization of Doctor-Patient Conversations: TalTech Systems for the Beyond Transcription Challenge

语音交互 | 6.3/10

 · 更新于 2026-10-15 · 约 18 分钟 · 8701 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-21

共分析 34 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 118 分钟 · 58810 字 阅读 →
论文解读

Large Audio Language Models for Spoofing-Aware Speaker Verification

语音伪造检测 | 6.2/10

 · 更新于 2026-10-15 · 约 16 分钟 · 7545 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-17

共分析 15 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 52 分钟 · 25719 字 阅读 →
论文解读

Bring Music The Horizon: Music-Driven 360^\circ Video Generation

音视频生成 | 5.3/10

 · 更新于 2026-10-15 · 约 10 分钟 · 4986 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-16

共分析 20 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 63 分钟 · 31364 字 阅读 →
论文解读

Audio-Native Speech Recognition with a Frozen Discrete-Diffusion Language Model

语音识别 | 5.7/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8468 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-15

共分析 25 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 88 分钟 · 43611 字 阅读 →
论文解读

Breaking the Quality--Intelligibility Trade-off in Streaming Target Speaker Extraction via Deep-Feature-Anchored Preference Optimization

语音分离 | 6.3/10

 · 更新于 2026-10-15 · 约 16 分钟 · 7612 字 阅读 →
论文解读

Efficiently Adapting Spoken Language Models for the Singaporean Context

语音交互 | 6.5/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8212 字 阅读 →
论文解读

Teaching Speech Enhancement Models to Sing: Domain Adaptation from Speech Enhancement to Singing Voice Separation

音乐源分离 | 6.7/10

 · 更新于 2026-10-15 · 约 19 分钟 · 9285 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-14

共分析 53 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 186 分钟 · 92760 字 阅读 →
论文解读

Dual-BEATs: Unlocking Zero-Shot Stereo Audio Perception in Audio Large Language Models via Dithering

多模态模型 | 7.1/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7057 字 阅读 →
论文解读

Optimal Transport-based Semantic Alignment for LLM-based Audio-Visual Speech Recognition

音视频语音识别 | 6.9/10

 · 更新于 2026-10-15 · 约 16 分钟 · 7585 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-13

共分析 14 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 51 分钟 · 25294 字 阅读 →