每日研究速递

语音/音乐/音频论文速递 2026-05-27

共分析 39 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 121 分钟 · 60546 字 阅读 →
论文解读

StepAudio 2.5 Technical Report

统一音频模型 | 8.3/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6187 字 阅读 →
论文解读

UniSRM: A Unified Speech Reward Model for Reasoning-Based Fine-grained Assessment

语音质量评估 | 10/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5850 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-25

共分析 19 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 52 分钟 · 25789 字 阅读 →
论文解读

Heterogeneity-Aware Dataset Scheduling for Efficient Audio Large Language Model Training

音频问答 | 7.0/10

 · 更新于 2026-10-16 · 约 16 分钟 · 7894 字 阅读 →
论文解读

Heterogeneity-Aware Dataset Scheduling for Efficient Audio Large Language Model Training

音频问答 | 7/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8063 字 阅读 →
论文解读

Speaker-Disentangled Remote Speech Detection of Asthma and COPD Exacerbations

医疗音频 | 7.5/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8869 字 阅读 →
论文解读

Beyond Content: A Comprehensive Speech Toxicity Dataset and Detection Framework Incorporating Paralinguistic Cues

音频分类 | 6.5/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7338 字 阅读 →
论文解读

From Flat Language Labels to Typological Priors: Structured Language Conditioning for Multilingual Speech-to-Speech Translation

语音翻译 | 6.9/10

 · 更新于 2026-10-16 · 约 36 分钟 · 17909 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-18

共分析 13 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 48 分钟 · 23894 字 阅读 →
论文解读

SpeakerLLM: A Speaker-Specialized Audio-LLM for Speaker Understanding and Verification Reasoning

说话人验证 | 7/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8893 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-15

共分析 20 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 83 分钟 · 41092 字 阅读 →
论文解读

AffectCodec: Emotion-Preserving Neural Speech Codec for Expressive Speech Modeling

音频编码 | 7.0/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8374 字 阅读 →
论文解读

Speech-based Psychological Crisis Assessment using LLMs

语音情感识别 | 5.8/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8451 字 阅读 →
论文解读

NDF+: Joint Neural Directional Filtering and Diffuse Sound Extraction

空间音频 | 6.5/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5284 字 阅读 →
论文解读

APEX: Large-scale Multi-task Aesthetic-Informed Popularity Prediction for AI-Generated Music

音乐评估 | 7.5/10

 · 更新于 2026-10-16 · 约 12 分钟 · 6001 字 阅读 →
论文解读

Spatial-Magnifier: Spatial upsampling for multichannel speech enhancement

语音增强 | 7.0/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5050 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-07

共分析 22 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 79 分钟 · 39450 字 阅读 →
论文解读

APEX: Large-scale Multi-task Aesthetic-Informed Popularity Prediction for AI-Generated Music

音乐理解 | 8.0/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5162 字 阅读 →
论文解读

Toward Structural Multimodal Representations: Specialization, Selection, and Sparsification via Mixture-of-Experts

多模态模型 | 7.0/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6070 字 阅读 →