实时处理

共收录 60 篇 icmc-2026 会议论文的 Reader 深度解读

针对自己声音堵塞效应个体差异大、难以重复呈现的问题，该工作用大耳罩物理去除空气传导再经实时滤波重放，并在人工头上验证了对多档堵塞增益与插入损失组合的独立仿真能力，代价是低频仍有残余上限与约 6.5 ms 系统延迟。

针对强混响重叠与残留回声下的实时目标语音提取问题，该工作用分区多输出前端加在线波束形成再加跨波束细化的三段流水线，在十九点八七五毫秒延迟约束下把开发集可懂度和感知质量从基线附近明显抬高，而第二阶段更干净的主观听感反而在受污染近讲参考下出现客观分下降。

针对助听设备的多通道目标说话人提取问题，MBSRNN 用 33 子带切分分别处理混合语音与注册语音并以 FiLM 交错 LSTM 注入说话人信息，在 CHiME-9 开发集流式条件下把 fwSNRseg 从基线约 2.2 提升到约 4.4 至 4.6，代价是约 53.1M 参数与处理一秒片段约 224.3 GMACs 运算量以及 STOI 未稳定提升。

针对混合音乐中扩展长笛技法难以只靠音高对齐跟谱的问题，论文把 Antescofo 的对齐机与轻量识别器 ipt~做松耦合混合切换，在 11 类技法上报告宏 F1 为 93.4%±0.1，但混合跟谱以增加延迟为代价换取跨演奏的稳定性。

该文把现场音色匹配做成每 0.093 秒调一次连续合成参数的强化学习控制问题，用描述符状态加五种奖励在合成器内域与跨域及真实乐器语料上验证，最强证据是同合成器内域匹配显著更准，而代价是跨域只能近似且对描述符与奖励选择高度敏感。

针对临时拼凑的多智能体与单体黑盒难复用难实时的问题，论文用类型化共享黑板加需要与提供声明实现自动拓扑调度，并在纯 Python 加原生库加速的路线下给出模块化可增量扩展的工程方案，代价是暂无定量性能评测与图形化工具仍在开发中。

该文用弦两端载荷单元反推弓弦压力、用固定磁场感生弦速直方图分离粘弦速度来实时估计弓速，并把两路参数接到弓—质量摩擦模型验证可演奏性，代价是必须贴近支点与磁体运弓且力估计存在位置相关偏差。

共收录 14 篇 chime-2026 会议论文的 Reader 深度解读

论文要解决高层作曲组织与底层实时 DSP 长期分离的问题，选择全部用 Common Lisp 重建调度、合成、记谱与界面，最强证据是同一 Lisp 映像内改 UGen 与预设并即时发声，代价是依赖 Incudine 与 CLOG 等外部生态且无受控定量评测。

针对现场钢琴对话中缺力度、无明确轮次和输出延迟破坏节奏的问题，论文用四元组力度建模加 ggml 加速、脚踏开关标注的呼应微调与逐音符延迟补偿来回应，最强证据是逐音符补偿把节拍对齐中值提高到 0.7834 而无补偿仅 0.0678，代价是上下文能装的音符数从 341 降到 256 且风格仍局限于单人专家数据。

Gestalt 针对 50-200 人实时共演的参与门槛与延迟问题，采用浏览器端边缘计算加双层异构架构与活动加权聚合，在本地单机实验室压力测试中报告 200 人稳定与约 60 毫秒端到端延迟，代价是公网隧道下稳定上限降至 80 人且未经过大规模公演验证。

针对传统 cuíca 音色扩展受限于双手演奏的问题，Hypercuíca 用绑在鼓身的手机重力传感器驱动 Ableton Live 效果器，在四场公开演出与工作坊的非正式反馈中显示出声场可变性增强，但代价是映射透明度下降与长时间独奏易耗尽新颖性。

该工作把已训练好的三维想象运动解码器的连续速度信号作为声音手势的控制源，用分层颗粒合成做实时可听化，报告了静息、起始与持续手势的可区分听感，但尚未做闭环听觉反馈下的受试者评估。

MBHD 针对多来源循环难以同时对齐速度与调性的问题，用文件名编码的速度、根音与乐器角色驱动四路独立播放与实时变调变速，并在 Max 8 原型上报告约 5 ms 环路延迟、低于 20% 的满载 CPU 与 86.3 的可用性评分，代价是仍依赖人工改名与 12 平均律假设。

论文把预训练神经音频模型当作可上手摆弄的乐器，用实时修改权重与偏置代替重训练，以两场约二十人工作坊与弯曲日志复用为证据，代价是大量操作只产生静音噪声且弯曲状态尚不能保存复用。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

针对多声部各自保持独立拍号又需周期性对齐的多层节拍现场编程问题，OrbitScore 用 beat(n by m) 直接对应 4:(n/4) 理论并以独立循环加 SuperCollider 合成实现，50 分钟公开演出验证了 4:4/5:4/7:4 可实时修改与自动同步，代价是仅 macOS、只做采样回放且不能听外部声音自适应。

PHOTON 针对羽管键琴等历史键盘的可变结构与狭小间隙，用键杠杆下方的反射式光学阵列连续测量位移，在约 1 cm 行程上给出约 100 级单调位置与超过 250 Hz 的子集采样，并以拨弦点附近的斜率变化推断发声时刻，代价是中间值为非线性插值坐标而非绝对几何量且需逐传感器校准。

针对混合音乐中电子声部与乐队弹性速度难同步的问题，Ponticello 用摄像头加循环网络从指挥手势实时推断速度来拉伸电子演奏谱，其排练与音乐会验证显示可用但只解决时间协调且依赖训练覆盖的指挥风格。