论文解读

MaskedFOP: Polyglot Speaker Identification under Missing Visual Modality via Cascaded Graph Label Propagation

说话人识别 | 9.2/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5703 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-15

共分析 26 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 72 分钟 · 35999 字 阅读 →
论文解读

Decoding Insect Song: A Multitask Semisupervised Orthoptera Bioacoustic Classifier

音频分类 | 8.7/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6708 字 阅读 →
论文解读

Endpoint Anticipation for Low-Latency Spoken Dialogue

多任务学习 | 8.2/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4326 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-12

共分析 27 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 77 分钟 · 38140 字 阅读 →
论文解读

SARA: A Dual-Stream VAE for High-Fidelity Speech Generation via Integrating Semantic and Acoustic Representations

语音合成 | 7.9/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4632 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 2026-10-16 · 约 99 分钟 · 49581 字 阅读 →
论文解读

ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling

语音质量评估 | 8/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4995 字 阅读 →
论文解读

Towards Deep Contextual Reasoning from Broad Descriptions for ASR with Speech-LLM via Metadata-Driven Reasoning Chains

语音识别 | 6.2/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4631 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 2026-10-16 · 约 126 分钟 · 62690 字 阅读 →
论文解读

End-to-End Training for Discrete Token LLM based TTS System

语音合成 | 7.6/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6973 字 阅读 →
论文解读

Is Text All You Need? Text as a Universal Information Bottleneck for Speech LLMs

语音识别 | 7.6/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5311 字 阅读 →
论文解读

NüshuVoice: Reviving the Voice of Endangered Nüshu with Pitch-Aware Text-to-Speech

语音合成 | 7/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5298 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 2026-10-16 · 约 141 分钟 · 70154 字 阅读 →
论文解读

BiEAR: A Human Auditory-Inspired Adaptive Binaural Front-end for Multi-Speaker Localisation and Distance Estimation

声源定位 | 8.5/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7142 字 阅读 →
论文解读

MMAE: A Massive Multitask Audio Editing Benchmark

语音编辑 | 7.5/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4396 字 阅读 →
论文解读

Towards Unified Song Generation and Singing Voice Conversion with Accompaniment Co-Generation

语音合成 | 7.7/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5202 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 2026-10-16 · 约 108 分钟 · 53770 字 阅读 →
论文解读

F3-Tokenizer: Taming Audio Autoencoder Latents for Understanding and Generation

语音合成 | 7.2/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6113 字 阅读 →
论文解读

Multi-task Learning is Not Enough: Representational Entanglement in Dual-output Second Language Speech Recognition

语音识别 | 6.9/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4724 字 阅读 →