论文解读
把模糊边界变成可评测事件：TimeCues Studio 的整库标注与算法共用时间轴
TimeCues Studio 针对多人整库音乐标注与算法迭代脱节的问题，用共享节拍网格加四类标记与多候选加关键度扩展方案统一标注与评测，并在 109 首电子音乐自建库与 3 首 CC0 演示库上走通全流程，代价是首次分轨与特征缓存开销大且算法建议仍需逐条人工复核。
开源工具
论文解读
双耳相位不可丢：从 Mel 模糊到复数 VAE 的空间音频重建
为解决视觉遮挡下世界模型缺乏空间听觉的问题，BinauralVAE 对比三种 VAE 在 0.2 秒双耳片段上的重建能力，显示保留相位的复数 VAE 在低频段实现可听的空间保真，而幅值-only 与四通道实数 VAE 分别因 ITD 丢失与相位塌缩而失效。
论文解读
从注视到聆听：LipCoder 把 AI 编程装进语音闭环
LipCoder 针对视障程序员在可视编辑器与 AI 补全中被迫逐行听屏的断裂，用语音输入与听觉输出统一导航理解修改验证，在 5 名视障被试的探索性对照中可用性数值向好但校正后均不显著，且强依赖识别与大模型可靠性。
论文解读
记忆即变换：LETHE 用能量判别与随机扰动让混响参数自己走
LETHE 把 3×3 反馈延迟网络当作可被改写的房间，用五特征线性判别器对照初始声音 DNA、以单样本扰动更新十一个参数，45 组 180 秒对照显示只有生成器开启时 c22 才会演化，但稳定工作点偏离经典纳什均衡且扰动先验仍待剥离。
论文解读
打开混响黑盒：从 Schroeder 结构到可核对的分析与移植路径
论文以 Schroeder 历史混响为案例，主张用开放架构重建 comb 与 all-pass 组合，通过 Csound 脉冲响应分析与 par/seq 重建验证理解过程，代价是遇到效率限制而把 C 编译 opcode 留作后续工作。
论文解读
当混响不再模仿房间：用声码器思路把噪声织成尾响
音频生成 | 7.2/10
论文解读
把拾音器从琴上焊死的位置里解放出来：64 路沿弦采样如何把音色选择推迟到混音台
音乐源分离 | 7.7/10
论文解读
把 100 小时 MEG 拆成两种稀缺资源，才看得见神经语音解码该怎样扩展
基准测试 | 8.9/10
论文解读
Arbitrary Polygon Oscillator: Generalizing Polygonal Synthesis to Arbitrary Shapes, Morphing, and Three-Dimensional Polyhedra
音乐生成 | 8.7/10
论文解读
One Timeline, Many Renderings: A Wolfram Language Paclet for heterogeneous musical output
音乐生成 | 7.0/10
论文解读
The ISCSLP 2026 Real-World Audio-Visual Speech Enhancement Challenge
音视频语音分离 | 8.8/10
论文解读
MusPyExpress: Extending MusPy with Enhanced Expression Text Support
音乐理解 | 8.7/10
论文解读
Computational Features for Symbolic Melody Analysis
音乐理解 | 7.6/10
论文解读
Automatic Transcription of Microtonal Free-Rhythm Vocal Music: A Case Study in Iranian Classical Music
音乐转录 | 7.5/10
论文解读
Sonifying I2S Transport Signals to Detect Transmission Faults
音频分类 | 5.9/10
论文解读
FastThaiG2P: Lightning-fast Thai Grapheme-to-phoneme Conversion for Voice Agent Pipelines
语音合成 | 7.0/10
论文解读
OmniScientist: An Omni-Modal Omni-Discipline AI Scientist
多模态模型 | 7.6/10
每日研究速递
语音/音乐/音频论文速递 2026-08-14
共分析 12 篇语音/AI 论文
论文解读
Easper: An Accessible ASR Pipeline for Language Documentation
语音识别 | 7.0/10
论文解读
DIY e-HandPan: A new DIY Low-Cost Handpan Interface based on Arduino and ESP32 Microcontrollers
音频交互 | 7.2/10