每日研究速递

语音/音乐/音频论文速递 2026-07-31

共分析 16 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 53 分钟 · 26338 字 阅读 →
论文解读

CARE: A Multimodal Corpus for Studying Speech and Non-Verbal Communication Across Multiple Medical Conditions

音视频理解 | 7.9/10

 · 更新于 2026-09-25 · 约 17 分钟 · 8510 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-29

共分析 27 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 83 分钟 · 41435 字 阅读 →
论文解读

Indic DiarBench: A Multilingual Joint Diarization and ASR Benchmark for Indian Languages

说话人日志 | 7.1/10

 · 更新于 2026-09-25 · 约 17 分钟 · 8448 字 阅读 →
论文解读

Simple Language Normalization Wins: Cross-Lingual Speaker Verification for the TidyVoice 2026 Challenge

说话人验证 | 6.8/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6547 字 阅读 →
论文解读

Towards High-Level Semantic Intelligence

音视频理解 | 7.0/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6680 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-28

共分析 31 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 103 分钟 · 51404 字 阅读 →
论文解读

CODA: Cascaded Online Discontinuity-Aware Alignment for Real-Time Image-Based Score Following

音频理解 | 8.1/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6774 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-27

共分析 13 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 39 分钟 · 19087 字 阅读 →
论文解读

An Evaluation Framework for Structured Audio Captions Validated by Controlled Perturbations

数据集 | 5.3/10

 · 更新于 2026-09-25 · 约 15 分钟 · 7447 字 阅读 →
论文解读

Designed Vocalizations Dataset: Sound-Designed Human and Animal Voices for Non-human Voice Conversion

语音转换 | 7.9/10

 · 更新于 2026-09-25 · 约 12 分钟 · 5983 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-24

共分析 18 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 57 分钟 · 28385 字 阅读 →
论文解读

A Diagnostic Evaluation Framework for AI-Generated Cover Songs Using Music-Theoretic and Acoustic Features

音频质量评估 | 8.0/10

 · 更新于 2026-09-25 · 约 15 分钟 · 7289 字 阅读 →
论文解读

Ultra-Compact CNN Architectures for Tropical Bird Audio Detection on Microcontrollers

音频事件检测 | 9.3/10

 · 更新于 2026-09-25 · 约 15 分钟 · 7444 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-23

共分析 21 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 70 分钟 · 34984 字 阅读 →
论文解读

MeetingToM: Evaluating Multimodal LLMs on Theory-of-Mind Reasoning in Multi-Party Meetings

基准测试 | 7.2/10

 · 更新于 2026-09-25 · 约 20 分钟 · 9969 字 阅读 →
论文解读

Summary of DCASE 2026 Task 5: Audio-Dependent Question Answering

音频理解 | 5.4/10

 · 更新于 2026-09-25 · 约 16 分钟 · 7727 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 2026-09-25 · 约 71 分钟 · 35132 字 阅读 →
论文解读

ESCUCHA: A Spanish Speech Benchmark for Heterogeneous Acoustic Conditions

基准测试 | 8.8/10

 · 更新于 2026-09-25 · 约 15 分钟 · 7245 字 阅读 →
论文解读

Modeling turn-taking with distant viewing: investigating silence thresholds in human and AI-generated discourse

音视频 | 6.2/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6168 字 阅读 →