听觉与音乐认知

该文针对二十世纪之交调性向无调性渐变无法用二标签描述的问题，用整体分布、时间延续和局部贴合三个特征经因子分析合成连续调性程度值，在 196 首二分类基准上达到 F1 约 0.985，并在 1561 首历史语料中呈现连续渐弱轨迹，但情绪关联很弱且只在特定语料条件下成立。

该文用跳字模型在贝多芬与披头士和弦序列上学习 24 个大小三和弦嵌入，证明移调增广能恢复五度圈、调中心分离与可转向的调区域，并用和弦到调距离与上下文距离构造张力量，与匹配的音调区间向量量中等对应、与人类紧张度中等对齐，但输入丢掉了转位与织体信息。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

该文把音调区间向量改写为可逆算子并做感知平滑，用置换搜索做对齐、用四五度圈上圆形最优传输做插值，再以圆柱几何表征分解音阶根音、密度与色彩，代价是平滑后不再保证非负且圆形传输仍要求非负输入。

针对多尺度频谱损失对频率参数梯度无信息且纯频谱方法处理缺失基频困难的问题，该文用可微 CARFAC 听觉模型的稳定听觉图像提取音色归一化周期特征并结合最优传输距离做纯音音高匹配，在合成目标上改善了梯度方向准确性，但计算开销约为常规损失 30 倍且真实人声仍困难。

共收录 60 篇 icmc-2026 会议论文的 Reader 深度解读

共收录 188 篇 speechprosody-2026 会议论文的 Reader 深度解读

针对端到端生成把创作压缩到提示词层的问题，该文选择对神经音频编解码器的量化音频潜嵌入做带时变系数的加权求和感知 morphing，用作品《龢》三阶段与五种编解码器对照验证可行性，代价是解码器鲁棒性与实时性等条件仍未被系统测量。

该文把节奏同步建模为单反射点 IPF 对外部点击轨的逐拍跟随问题，用人工阶跃、线性、正弦与噪声点击轨检验同步、过冲与多节奏锁定范围，代价是存在明显相位差和过渡振荡且只用受控仿真而非真人合奏验证。

研究用三选一重音辨别任务和 Mini-PROMS 四个音乐感知维度比较 20 名德语、20 名法语、20 名韩语中高级西班牙语学习者，发现德语组正确率最高且只有旋律分跨母语显著预测重音辨别，重音分与母语交互但组内均不显著，调音与速度均无显著效应。

该文以独奏班多钮琴加现场电子与机器学习为对象，提出边缘声、姿态残留与被舍弃声三组声音痕迹作为行动线索，报告微弱气声与机械噪声比主导音高更稳定可辨，最强证据来自两场实验室式演出中的持续调校，代价是放弃通用识别精度与可迁移的定量评估。

本文以 Udio 生成物为语料提出潜音乐概念，用插值与再领土化解释阈限声音如何产生，并以两组可复述的提示装配与扩展操作展示其听感与代价是身份悬置与不可重复。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

该文把空间聆听界定为连接听觉生理、现象学与社会政治的具身关系实践，以三件作者作品为线索串联理论，最强证据是文献与创作过程的对应说明，代价是未提供可重复测量的实验数据与对照。

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

该文把奇次泛音地形织进墙面尺度纺织品并用手持感应环读取，其证据是 44 磁体由 25 路复用驱动与 72 赫兹基频折叠方案，代价是静止无声且需身体走位学习路线。

Manubrio 针对离散映射割裂身体努力与声音结果的问题，选择三自由度把手连续控制可超 1 反馈增益的改进 Karplus-Strong 与延迟频率调制合成，四名乐手的质性研究显示它能支持从不适到融入的具身过程，代价是自振荡阈值附近需要极高精度且易因人体工学问题退回客体意识。

该文用带噪潜变量微调一致性音频自编码器加感知损失来学习由粗到细的感知层次，并用自回归整流流估计音高惊奇度，在重建保真、与 IDyOM 相关性和 EEG 预测上报告了提升，但干净重建略有损失且高噪声机制仍待验证。

论文把色度向量上的调性区间向量改写为可逆算子，用感知加权置换做对齐、用四五度圈上的循环最优传输做插值，并以圆柱几何分解音阶的根音、密度与色彩，代价是平滑表示不再保证非负且最优传输仍要求非负输入。