论文解读

Phoneme-First Prediction for LLM-Based Speech Recognition

语音识别 | 6.9/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6037 字 阅读 →
论文解读

Spatial-Omni: Spatial Audio Understanding Integration in Multimodal LLMs via FOA Encoding

多模态模型 | 9.4/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5947 字 阅读 →
论文解读

TRADE: Transducer-Augmented Decoder for Speech LLM

语音识别 | 7.4/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5157 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 2026-10-16 · 约 126 分钟 · 62690 字 阅读 →
论文解读

A Finetuned SpeechLLM for Joint Multi-Granular L2 Assessment and Natural-Language Rationales

大语言模型 | 10/10

 · 更新于 2026-10-16 · 约 16 分钟 · 7516 字 阅读 →
论文解读

Can LLMs understand LilyPond? A benchmark for symbolic music generation and understanding

音乐生成 | 7/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5101 字 阅读 →
论文解读

Towards Event-Robust Acoustic Scene Classification

数据增强 | 6.5/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4996 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 2026-10-16 · 约 108 分钟 · 53770 字 阅读 →
论文解读

Efficient Punctuation Restoration via Weighted Lookahead Scoring Method for Streaming ASR Systems

大语言模型 | 6.3/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4987 字 阅读 →
论文解读

Exploring LLMs for South Asian Music Understanding and Generation

音乐生成 | 7.7/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5025 字 阅读 →
论文解读

FoeGlass: Simple In-Context Learning Is Enough for Red Teaming Audio Deepfake Detectors

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8421 字 阅读 →
论文解读

Vortex: Efficient and Programmable Sparse Attention Serving for AI Agents

大语言模型 | 8.9/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5808 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

AlignAtt4LLM: Fast AlignAtt for Decoder-Only LLMs at IWSLT 2026 Simultaneous Speech Translation Task

语音翻译 | 7.3/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6725 字 阅读 →
论文解读

SoulX-Transcriber: A Robust End-to-End Framework for Multi-Speaker Speech Transcription

语音识别 | 8.8/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6767 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

JenBridge: Adaptive Long-Form Video Soundtracking across Scene Transitions

音乐生成 | 7.3/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6236 字 阅读 →
论文解读

Multimodal Music Recommendation System using LLMs

音乐推荐 | 10/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7397 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

DirectorBench: Diagnosing Long-Form Video Generation with Personalized Multi-Agent Evaluation

基准测试 | 9.8/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6831 字 阅读 →