论文解读
FIGMA: Towards FIne-Grained Music retrievAl
对比学习 | 7.2/10
对比学习
论文解读
FORTE: FOL-guided Optimal Refinement for Text-audio rEtrieval
参数高效微调 | 8.1/10
论文解读
Learning Emotion-discriminative Representations for Zero-Shot Cross-lingual Speech Emotion Recognition
语音情感识别 | 8.1/10
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
论文解读
Channel-Oriented Design for EEG-to-Music Reconstruction
音乐生成 | 7.7/10
论文解读
CleanCodec: Efficient and Robust Speech Tokenization via Perceptually Guided Encoding
语音编码 | 8.8/10
每日研究速递
语音/音乐/音频论文速递 2026-06-04
共分析 22 篇语音/AI 论文
论文解读
MoDAl: Self-Supervised Neural Modality Discovery via Decorrelation for Speech Neuroprosthesis
自监督学习 | 6.6/10
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
论文解读
Dynamic Interaction-Aware and Causality-Disentangled Framework for Multimodal Sentiment Analysis
多模态模型 | 7.8/10
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
论文解读
几何主导下如何减出材料：GaMi 的跨模态相减式解耦
针对几何变化压制材料特征的问题，GaMi 用共位毫米波与声学的共享几何一致性做对齐-校准-相减解耦，并以样本间对比抑制残差，在 20 类材料上以 95.2% 的总体准确率显著优于单模态基线，代价是需双模态同步采集与多目标联合训练。
论文解读
Towards Streaming Synchronized Spatial Audio Generation via Autoregressive Diffusion Transformer
自回归模型 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-06-01
共分析 23 篇语音/AI 论文
论文解读
COMET: Concept Space Dissection of the Modality Gap in Audio-Text Multimodal Contrastive Embeddings
音频检索 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-05-29
共分析 20 篇语音/AI 论文
论文解读
Gemini Embedding 2: A Native Multimodal Embedding Model from Gemini
语音识别 | 7.9/10
论文解读
OmniRetriever: Any-to-Any Audio-Video-Text Retrieval via Fusion-as-Teacher Distillation
音频检索 | 9.2/10
论文解读
Unified Synthesis of Compositional Speech and Sound from Free-Form Text Prompts
语音合成 | 8/10
每日研究速递
语音/音乐/音频论文速递 2026-05-28
共分析 30 篇语音/AI 论文