论文解读
当一句非洲对话里藏着两种语言，语音识别该听哪一种？
语音识别 | 8.1/10
多语言
论文解读
长音频不是更长的短音频：AudioSpan 如何逼模型证明它真的听见了
音频理解 | 8.7/10
论文解读
会数停顿的尺子，为什么比会说话的模型更懂流利度？
语音质量评估 | 6.7/10
论文解读
说出来就变了味：当语音不再是文本的透明通道
音视频问答 | 8.1/10
论文解读
合成语音越多越好吗？在音素层面重新称量文本的价值
语音识别 | 6.2/10
论文解读
梵颂为何难唱：当吟诵的旋律不在文本里
语音合成 | 7.9/10
论文解读
克隆与匿名本是一体两面：把 27k 小时的 TTS 直接当成隐私滤镜
语音转换 | 8.0/10
每日研究速递
语音/音乐/音频论文速递 2026-08-29
共分析 29 篇语音/AI 论文
论文解读
忘掉不等于擦除：语音网络把关键期痕迹压在了最底层
语音识别 | 8.6/10
论文解读
EXAM²: Extending Audio Understanding in Multilingual and Multimodal Analysis
音频理解 | 8.7/10
论文解读
Lost in Speech: Trilingual Spoken Hallucination Detection Across Audio and Transcripts
音频理解 | 8.2/10
论文解读
Unsupervised Speech Recognition at the Syllable Level
语音识别 | 8.9/10
论文解读
Aslema at NADI 2026: Augmentation through Fewshot for SLU
语音交互 | 8.0/10
论文解读
Understanding Multilingual Medical ASR Adaptation Through Layer-Wise Analysis
语音识别 | 7.2/10
每日研究速递
语音/音乐/音频论文速递 2026-08-20
共分析 20 篇语音/AI 论文
论文解读
FireRedTTS3: Unified Speech Generation and Editing with Semantically Enriched Speech Representations
语音合成 | 9.0/10
论文解读
UniVerse: Benchmarking and Enhancing LALMs on Culturally Inclusive Low-Resource Music Understanding
音乐理解 | 7.1/10
每日研究速递
语音/音乐/音频论文速递 2026-08-19
共分析 16 篇语音/AI 论文
论文解读
Cached LLM Probability Retrieval for Speech Recognition
语音识别 | 6.1/10
论文解读
Speaker-Normalized Semantic Speech Tokens via Iterative S2U-T2U Refinement
语音编码 | 6.0/10