开源工具

针对田野语言建档转写瓶颈，论文提出免代码的 ELAN 到微调再到切分转写流水线 Easper，并在三种瓦努阿图语言上以会话为单位比较五种排序策略，显示优先词汇重复的策略早期字符错误率更低，但干净录音并非无用且结论受语料规模限制。

论文要解决音节切分方法分散、难以同条件复现比较的问题，用包络计算、帧特征、切分算法三模块可互换的 findsylls 工具包统一经典与神经路线，在英语、西班牙语和 Kono 语七个语料上以 50 ms 容差比较核、边界与区间 F1，最强神经组合以 3-5 tok/s 实现最高边界与区间精度，但经典包络在吞吐量上高出一个数量级。

论文要解决任务动力学目标值被事先固定、缺少记忆与感知影响机制的问题，选择用耦合动态神经场生成时变声道目标并用临界阻尼振子求解轨迹，在 1 次基线加 10 次影子跟读加 1 次洗脱的简化仿真中报告跟读峰值拉向 1.56 与洗脱残留偏移负 0.29，代价是输入时序仍需手工指定且仅为一维示例。

问题是深度学习语音表示多而散、难以与 Praat 式交互分析衔接，方法是用 Python 后端加网页前端统一连续、离散与变长表示并做可切换距离与对齐的单句分析与双句比较，代价是本研究不报告定量精度对比且强制对齐依赖额外服务。

针对羌语和藏语变体等缺乏参考共振峰、无人看就容易系统性测错的问题，NewAppVoice 把多种基频与共振峰算法放在同一波形—语图—测量界面中同步对照并允许直接改表，最强证据是白马藏语/dzɑ̀/中 STRAIGHT 法 F4 高估到 4861 附近而 Praat 法与频谱峰在 3500 至 4000 赫兹一致，代价是仍需逐段人工核查且 HNR 等高频段与自 …

该文把问题定为语音健康研究难复现是因为采集与特征定义不统一，选择先统一临床可解释的核心声学测量定义并给出美国英语常模与开源提取流程，最强证据是 1815 人朗读与最长发声任务上的分任务常模差异，代价是强度类测量仍受设备影响且嵌入表示仍需先建基线再用。

该文复刻频带切分循环网络用于人声贝斯鼓与其他四轨分离，在公开数据集上补齐预处理与训练细节并对比多种设计，结果显示大模型与替代增强可缩小与原报告的差距，但耐心延长与全项目试错带来数十倍于单次训练的能量开销。

Samsone 针对端侧音频问答，用 Whisper-Tiny 编码器加 SmolLM2 解码器与非线性映射器做单阶段训练，在 MMAU 与 MMAU-Pro 上超过同级小模型并接近部分大模型，代价是通用语言能力下降且未做移动端硬件级优化。

针对赛车高层行为指令的离线语音控制问题，Jarvis 用唤醒词加本地转写加微调 Mistral 7B 做文本到指令分类，在 17 类 1645 样本条件下报告 97.63% 准确率与 1.39 s 平均延迟，但数据集仍部分合成且指令空间严格预定义。

论文把已知录音的谐波打击分离放在离线预处理、把相位声码器与叠加相加放在逐帧可变速的实时合成，并用预计算频谱查表把总运行时间降低约一半，代价是更小的预计算跳长需要更多预计算与内存。

论文复活 Etter 双向自回归插值，用前后向预测残差能量最小导出线性方程组求缺口样本，并给出短缺口高阶模型和因果丢包隐藏两种扩展，在 80 毫秒内音乐缺口上与多数基线相当但弱于逐缺口 Janssen 迭代法且外插简化版更快。

针对无线音频需在有损与无损之间无断点切换的问题，OLAC 只做可逆时域混叠抵消加窗而不做整数 MDCT 变换，用前向线性预测与 Golomb-Rice 编码实现无损压缩，在 20 毫秒帧下平均压缩到 56.8%，代价是帧间预测被切断且随机访问需先解前一帧。

针对单看基频会把重音归因给音高的问题，该文选择在平滑后的基频线上同时编码瞬时强度与局部音节速率，并在意大利诗歌朗读上展示联合线索如何区分延续类边界，代价是颜色只表相对快慢且跨录音比较仍需归一化。

该文以在 Max、gen~ 与 RNBO 中逐步建造现场循环器为教学方法，让学生在录音播放、叠加与去咔哒声等真实音乐任务中学习缓冲与时序，课堂观察显示参与度和迁移能力提升，但 gen~ 与 RNBO 的转换仍受单学期时间与代码畏难情绪限制。

共收录 60 篇 icmc-2026 会议论文的 Reader 深度解读

共收录 118 篇 jep-2026 会议论文的 Reader 深度解读

共收录 188 篇 speechprosody-2026 会议论文的 Reader 深度解读

论文要解决的是作曲家无需技术人员即可在可变扬声器穹顶上精确定位与编排声音运动的问题，选择向量幅度平移加后期高阶环绕声的可移植路线，以三代软件迭代与上千场音乐会实践为证据，代价是长期依赖 macOS 与人工搭建调音链路。

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。

针对非专家用户难以编写 PsyToolkit 脚本的问题，DYE 用 R 与 Shiny 图形界面拼装强迫选择与李克特量表并生成可直接导入编译的代码与图片，代价是目前仅覆盖 PsyToolkit 有限子集且多元素需顺序呈现。