论文解读

USAD 2.0: Scaling Representation Distillation for Universal Audio Understanding

音频编码 | 9/10

 · 更新于 2026-10-16 · 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 2026-10-16 · 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 2026-10-16 · 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 2026-10-16 · 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 2026-10-16 · 约 15 分钟 · 7367 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 2026-10-16 · 约 123 分钟 · 61249 字 阅读 →
论文解读

SpeechEditBench: A Bilingual Multi-Attribute Benchmark for Instruction-Guided Speech Editing

语音编辑 | 8.7/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6662 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-02

共分析 35 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 104 分钟 · 51914 字 阅读 →
论文解读

MindVoice: Reconstructing Intelligible Speech from Non-invasive Neural Signals with Pretrained Priors

语音合成 | 8.5/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8301 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-01

共分析 23 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 73 分钟 · 36167 字 阅读 →
论文解读

HoliTok:A Coutinuous Holistic Tokenization with Robust Dual Capabilities of Speech Generation and Understanding

语音合成 | 8.6/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6179 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-29

共分析 20 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 57 分钟 · 28306 字 阅读 →
论文解读

EigeNet: Geometry-Informed Multi-Modal Learning for Few-shot Novel View RIR Prediction

多模态模型 | 8/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5702 字 阅读 →
论文解读

Unified Synthesis of Compositional Speech and Sound from Free-Form Text Prompts

语音合成 | 8/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4782 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-28

共分析 30 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 84 分钟 · 42014 字 阅读 →
论文解读

Hidden in Plain Tokens: Simply Robust, Gradient-Free Watermark for Synthetic Audio

语音合成 | 10/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6556 字 阅读 →
论文解读

LongCat-Video-Avatar 1.5 Technical Report

语音合成 | 7.5/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7471 字 阅读 →
论文解读

PilotTTS: A Disciplined Modular Recipe for Competitive Speech Synthesis

语音合成 | 9.2/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7303 字 阅读 →
论文解读

Proactive for Uncertainty: Cause-Aware Error Diagnosis and Interactive Clarification for Spoken Dialogue Systems

语音识别 | 6.8/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6086 字 阅读 →
论文解读

Rubato: Transcribing Piano Music with Timestamps

音乐转录 | 10/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8956 字 阅读 →