论文解读

Homebot: A Personal AI Agent for Conversational Home Assistance and Automation

语音交互 | 3.8/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4457 字 阅读 →
论文解读

DoubleHelix: Structured Cross-Modal Fusion for Audio-Visual Speech Recognition with LLMs

音视频语音识别 | 7.4/10

 · 更新于 2026-10-16 · 约 19 分钟 · 9385 字 阅读 →
论文解读

ParaASR: Multi-Token Prediction for Fast and Long-Context LLM-Based Speech Recognition

语音识别 | 6.7/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5685 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-03

共分析 16 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 46 分钟 · 22753 字 阅读 →
论文解读

AgenticASR: Refining Speech Recognition in Real-World Scenarios via an Agentic Approach

语音识别 | 6.8/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6977 字 阅读 →
论文解读

The MADRS Pipeline: Supporting Depression Assessment in Clinical Trials

医疗音频 | 5.8/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8722 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-31

共分析 16 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 53 分钟 · 26338 字 阅读 →
论文解读

A large-scale corpus of religious radio broadcast transcripts from webstream recordings in the United States

说话人日志 | 8.2/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6772 字 阅读 →
论文解读

Voice Memory for Agentic Speech Recognition

语音识别 | 8.2/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8134 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-30

共分析 19 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 60 分钟 · 30047 字 阅读 →
论文解读

MusiChat: Vibe Composing for Music Creation

音乐生成 | 5.8/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6218 字 阅读 →
论文解读

MyMentorLLM: A psychotherapy GenAI environment with multimodal voice/text patients, trainees and experts for deliberate practice

语音交互 | 5.9/10

 · 更新于 2026-10-16 · 约 20 分钟 · 9675 字 阅读 →
论文解读

Let Me Look at You: Advanced Facial Expression Modeling for Conversational Speech Synthesis

语音合成 | 6.9/10

 · 更新于 2026-10-16 · 约 21 分钟 · 10244 字 阅读 →
论文解读

Low-Latency Turn-Taking via Context-Aware Preface Generation in a Real-World Dialogue Robot

语音交互 | 6.1/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5166 字 阅读 →
论文解读

Towards High-Level Semantic Intelligence

音视频理解 | 7.0/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6680 字 阅读 →
论文解读

SoundscapeAgent: Agentic Soundscape Construction for Controllable Synthesis and Scalable Audio-Language Supervision

大语言模型 | 8.0/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5047 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-27

共分析 13 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 39 分钟 · 19087 字 阅读 →
论文解读

An Evaluation Framework for Structured Audio Captions Validated by Controlled Perturbations

数据集 | 5.3/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7447 字 阅读 →
论文解读

Safeguards for Speech2Speech LLM-Assistants: A Case Study in Automotive Applications

语音交互 | 6.5/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4430 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-24

共分析 18 篇语音/AI 论文

 · 更新于 2026-10-16 · 约 57 分钟 · 28385 字 阅读 →