论文解读

Benchmarking Neural Speech Compression from a Rate-Distortion Perspective

基准测试 | 9/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4630 字 阅读 →
论文解读

Overcoming State Inertia in Full-Duplex Spoken Language Models via Activation Steering

基准测试 | 5.5/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4609 字 阅读 →
论文解读

RAIL: Rethinking Auditory Intelligence in Large Audio-Language Models with a CHC-Grounded Benchmark

音频问答 | 9.6/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6896 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-11

共分析 36 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 99 分钟 · 49581 字 阅读 →
论文解读

GlobeAudio: A Multilingual Multicultural Benchmark for Naturalistic Evaluation of Large Audio-Language Models

语音识别 | 7.9/10

 · 更新于 2026-09-25 · 约 11 分钟 · 5486 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-10

共分析 45 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 126 分钟 · 62690 字 阅读 →
论文解读

AVI-Bench: Toward Human-like Audio-Visual Intelligence of Omni-MLLMs

语音识别 | 8.8/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6046 字 阅读 →
论文解读

Can LLMs understand LilyPond? A benchmark for symbolic music generation and understanding

音乐生成 | 7/10

 · 更新于 2026-09-25 · 约 11 分钟 · 5101 字 阅读 →
论文解读

OpenBibleTTS: Large-Scale Speech Resources and TTS Models for Low-Resource Languages

语音合成 | 8/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6802 字 阅读 →
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 2026-09-25 · 约 141 分钟 · 70154 字 阅读 →
论文解读

Assessing True Generalisability of Audio-Visual Speech Recognisers

语音识别 | 9.5/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6841 字 阅读 →
论文解读

MMAE: A Massive Multitask Audio Editing Benchmark

语音编辑 | 7.5/10

 · 更新于 2026-09-25 · 约 9 分钟 · 4396 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 2026-09-25 · 约 108 分钟 · 53770 字 阅读 →
论文解读

SuperMemory-VQA: An Egocentric Visual Question-Answering Benchmark for Long-Horizon Memory

基准测试 | 8.4/10

 · 更新于 2026-09-25 · 约 12 分钟 · 5681 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 2026-09-25 · 约 127 分钟 · 63374 字 阅读 →
论文解读

DetectZoo: A Unified Toolkit for AI-Generated Content Detection Across Text, Audio, and Image Modalities

多模态模型 | 9.3/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6131 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 2026-09-25 · 约 60 分钟 · 29896 字 阅读 →
论文解读

Benchmarking Speech-to-Speech Translation Models

语音合成 | 8.7/10

 · 更新于 2026-09-25 · 约 11 分钟 · 5395 字 阅读 →
论文解读

Sandboxed Coding Agents are Competitive Omni-modal Task Solvers

强化学习 | 7.9/10

 · 更新于 2026-09-25 · 约 12 分钟 · 5961 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 2026-09-25 · 约 123 分钟 · 61249 字 阅读 →