每日研究速递

语音/音乐/音频论文速递 2026-06-25

共分析 27 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 77 分钟 · 38268 字 阅读 →
论文解读

Next-Turn: Duration-Aware Streaming Endpoint Detection via Time-to-Next-Speech-Onset Prediction

语音合成 | 7.9/10

 · 更新于 2026-09-25 · 约 12 分钟 · 5858 字 阅读 →
论文解读

MeCo: One-Step MeanFlow-based Corrector for Multi-Channel Speech Separation

语音分离 | 8.4/10

 · 更新于 2026-09-25 · 约 12 分钟 · 5695 字 阅读 →
论文解读

Time Segmented Beamforming via Dynamic Programming: Theory and Implementation

实时处理 | 7.7/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6521 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-26

共分析 27 篇语音/AI 论文

 · 更新于 2026-09-25 · 约 70 分钟 · 34648 字 阅读 →
论文解读

StepAudio 2.5 Technical Report

统一音频模型 | 8.3/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6187 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 2026-09-25 · 约 52 分钟 · 25789 字 阅读 →
论文解读

Thinking-while-speaking: A Controlled, Interleaved Reasoning Method for Real-Time Speech Generation

语音对话系统 | 6.9/10

 · 更新于 2026-09-25 · 约 16 分钟 · 8002 字 阅读 →
论文解读

SIREM: Speech-Informed MRI Reconstruction with Learned Sampling

医学图像重建 | 7.3/10

 · 更新于 2026-09-25 · 约 18 分钟 · 8537 字 阅读 →
论文解读

Real-time Speech Restoration using Data Prediction Mean Flows

音频修复 | 7.5/10

 · 更新于 2026-09-25 · 约 16 分钟 · 7597 字 阅读 →
论文解读

Physics-Based iOCT Sonification for Real-time Interaction Awareness in Subretinal Injection

医疗音频 | 6.5/10

 · 更新于 2026-09-25 · 约 15 分钟 · 7411 字 阅读 →
论文解读

Streaming Speech-to-Text Translation with a SpeechLLM

语音翻译 | 6.8/10

 · 更新于 2026-09-25 · 约 22 分钟 · 10616 字 阅读 →
论文解读

Online Segmented Beamforming via Dynamic Programming

声源定位 | 6.0/10

 · 更新于 2026-09-25 · 约 14 分钟 · 6970 字 阅读 →
论文解读

LiVeAction: a Lightweight, Versatile, and Asymmetric Neural Codec Design for Real-time Operation

多模态压缩 | 8.5/10

 · 更新于 2026-09-25 · 约 26 分钟 · 12573 字 阅读 →
论文解读

Hearing the Ocean: Bio-inspired Gammatone-CNN framework for Robust Underwater Acoustic Target Classification

音频分类 | 7.5/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4734 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 2026-09-25 · 约 79 分钟 · 39450 字 阅读 →
论文解读

Can Speech LLMs Think while Listening?

语音对话系统 | 7.5/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4703 字 阅读 →
论文解读

Generative Adversarial Post-Training Mitigates Reward Hacking in Live Human-AI Music Interaction

音乐生成 | 7.0/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4702 字 阅读 →
论文解读

Knowing When to Quit: Probabilistic Early Exits for Speech Separation Networks

语音分离 | 7.0/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6033 字 阅读 →
论文解读

TINY BUT MIGHTY: A SOFTWARE-HARDWARE CO- DESIGN APPROACH FOR EFFICIENT MULTIMODAL IN- FERENCE ON BATTERY-POWERED SMALL DEVICES

多模态模型 | 7.0/10

 · 更新于 2026-09-25 · 约 9 分钟 · 4229 字 阅读 →