论文解读
把响度与形状拆开：用归一化解耦让板混响参数在病态地形中收敛
音乐理解 | 6.3/10
模型评估
论文解读
不改脸只改声：把保护藏进人耳听不见的掩蔽阴影
语音合成 | 4.3/10
论文解读
文字比原声更懂情绪：把生成音乐放进效价-唤醒坐标系来称重
音乐生成 | 6.0/10
论文解读
别再比谁更像人：当生成音乐的评价回到音乐人的工作台
音乐生成 | 7.3/10
论文解读
议会里的声音政治学：当情感、犹豫与重音在四种斯拉夫语中分道扬镳
语音情感识别 | 5.6/10
论文解读
干净本身成了开关：当语音增强的理想输出反噬自身
语音增强 | 6.4/10
论文解读
把循环拆成并行：用时带混合与自适应回退让增强前端不再拖累识别
语音增强 | 6.2/10
论文解读
韵律能猜出多少句法？把停顿与时长放进互信息的秤上称重
Transformer | 7.6/10
论文解读
歌声里藏着母语的口型：当音素的物理约束在旋律中留下指纹
音乐理解 | 8.0/10
论文解读
当模型听得见声音，却听不懂语气：VocalAffectBench 为何要把情感从文字里剥离
语音情感识别 | 7.4/10
论文解读
模型听见的是期待的语调：当讽刺检测依赖高音与停顿的刻板印象
语音情感识别 | 7.4/10
论文解读
方差不该越过底线：用单峰约束重画 MOS 的容许区间
语音质量评估 | 7.4/10
论文解读
波形有用，不等于必须调用生成式音频模型
音频分类 | 6.0/10
论文解读
不用再把 PDM 翻译成 PCM：让状态空间模型直接听懂单比特麦克风
语音增强 | 7.5/10
论文解读
看得懂谱，听得出演奏，才算懂音乐：MuSP-Bench 为何要把乐谱与演奏放在一起考
音乐理解 | 6.2/10
论文解读
没有金标准时，怎么判断对齐切得准不准
语音识别 | 9.1/10
论文解读
0.76 分里的诚实：当语音失灵时，眼睛如何泄露下一句话的时机
语音交互 | 6.0/10
论文解读
在干净与噪声之间不敢用力的对比解码：用注意力给干预装上刹车
语音识别 | 6.0/10
论文解读
AllMusicCaps：让专辑评论成为可检索音乐语义的补充监督
论文把专家专辑评论转为曲目级 caption，并在混合语料、编码层和目标函数的分轴比较中检验其适用范围。
论文解读
别把中层热图当读心术：音频 LLM 的工作空间究竟替谁完成了推理
音频理解 | 6.6/10