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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 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 2026-11-05 · 约 10 分钟 · 4724 字 阅读 →
论文解读

USAD 2.0: Scaling Representation Distillation for Universal Audio Understanding

音频编码 | 9/10

 · 更新于 2026-11-05 · 约 12 分钟 · 6009 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 2026-11-05 · 约 127 分钟 · 63374 字 阅读 →
论文解读

Read What You Hear: Reference-Free Hypotheses Evaluation with Acoustic Discrepancy

语音识别 | 8.6/10

 · 更新于 2026-11-05 · 约 3 分钟 · 1214 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 2026-11-05 · 约 60 分钟 · 29896 字 阅读 →
论文解读

AnyAudio-Judge: A Dynamic Rubric-Based Benchmark and Evaluator for Audio Instruction Following

语音合成 | 10/10

 · 更新于 2026-11-05 · 约 15 分钟 · 7367 字 阅读 →