论文解读

SPARCLE: SPeaker-aware Aligned Representations via Contrastive Language Embeddings

语音合成 | 5.8/10

 · 更新于 2026-10-17 · 约 12 分钟 · 5960 字 阅读 →
论文解读

AV-SyncBench: Decoupled Benchmarking of Temporal and Semantic Audio-Visual Synchronization

音视频理解 | 8.5/10

 · 更新于 2026-10-17 · 约 11 分钟 · 5320 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-02

共分析 16 篇语音/AI 论文

 · 更新于 2026-10-17 · 约 49 分钟 · 24050 字 阅读 →
论文解读

ALM2Vec: Learning Audio Embeddings for Universal Audio Retrieval with Large Audio-Language Models

音频检索 | 7.4/10

 · 更新于 2026-10-17 · 约 11 分钟 · 5356 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-01

共分析 35 篇语音/AI 论文

 · 更新于 2026-10-17 · 约 102 分钟 · 50963 字 阅读 →
论文解读

LeVo 2: Stable and Melodious Song Generation via Hierarchical Representation Modeling and Progressive Post-Training

音乐生成 | 9.4/10

 · 更新于 2026-10-17 · 约 4 分钟 · 1658 字 阅读 →
论文解读

Semi-Supervised Sound Event Detection with Conditional Mixup and Embedding-Level Contrastive Loss

对比学习 | 7.6/10

 · 更新于 2026-10-17 · 约 12 分钟 · 5962 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-30

共分析 35 篇语音/AI 论文

 · 更新于 2026-10-17 · 约 102 分钟 · 51078 字 阅读 →
论文解读

DNSMOS-C: Improving End-to-end Speech Quality Models via Contrastive Learning

语音质量评估 | 9.3/10

 · 更新于 2026-10-17 · 约 12 分钟 · 5723 字 阅读 →
论文解读

SamaVaani: Auditing and Debiasing Multilingual Clinical ASR for Indian Languages

语音识别 | 7.8/10

 · 更新于 2026-10-17 · 约 9 分钟 · 4420 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-26

共分析 22 篇语音/AI 论文

 · 更新于 2026-10-17 · 约 55 分钟 · 27448 字 阅读 →
论文解读

Audio--Image Alignment as a Continued-Pretraining Stage Improves Low-Resource ASR

语音识别 | 6.2/10

 · 更新于 2026-10-17 · 约 13 分钟 · 6034 字 阅读 →
论文解读

Audio-visual Contrastive Alignment for Diffusion-based Visual-conditioned Speech Enhancement

语音增强 | 8.1/10

 · 更新于 2026-10-17 · 约 10 分钟 · 4879 字 阅读 →
论文解读

Beyond U-Net: A Latent-Representation-Aligned Skip-Free Backbone for Flow-Matching Speech Enhancement

语音增强 | 6.6/10

 · 更新于 2026-10-17 · 约 13 分钟 · 6019 字 阅读 →
论文解读

Breaking Shortcut Learning for Cross-Trial EEG-Guided Target Speech Extraction via Two-Stage Training

对比学习 | 8.6/10

 · 更新于 2026-10-17 · 约 12 分钟 · 5745 字 阅读 →
论文解读

Comparative Reasoning: Making an Audio Language Model Better at Comparing Emotions

语音情感识别 | 7.5/10

 · 更新于 2026-10-17 · 约 14 分钟 · 6591 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-06-24

共分析 39 篇语音/AI 论文

 · 更新于 2026-10-17 · 约 98 分钟 · 48791 字 阅读 →
论文解读

CAAD: Contrastive Audio-Aware Distillation for Efficient Speech Language Models

语音识别 | 8.9/10

 · 更新于 2026-10-17 · 约 11 分钟 · 5368 字 阅读 →
论文解读

CoughPhase-CLR: Designing an acoustics-informed foundation model for coughing sound classification

对比学习 | 10/10

 · 更新于 2026-10-17 · 约 11 分钟 · 5062 字 阅读 →
论文解读

Cross-lingual Retrieval-Augmented Classification for Dysarthria Severity Assessment

语音识别 | 8.4/10

 · 更新于 2026-10-17 · 约 21 分钟 · 10226 字 阅读 →