会议总览
acl-2026 论文深度解读
共收录 199 篇 acl-2026 会议论文的 Reader 深度解读
歌唱生成
论文解读
SegTune：把歌曲控制从整首描述下沉到分段时间窗
针对全局提示无法刻画配器情绪能量随段落演变的问题，SegTune 用全局加分段层级条件与大模型句级时长预测做非自回归扩散生成，在 15 首中文流行歌测试中把音素错误率降到 14.5% 并把音乐性主观分做到 4.57，代价是偏好优化后性别年龄跟随出现下滑。
论文解读
无标签也要会切歌：UniVocal 用语义推断驱动说唱切换
UniVocal 把同一话语内说话与唱歌自动切换定义为 SCS 合成，用 CosyVoice 2 加两阶段课程学习与精细 cent 音高规划实现语义驱动切换，在 SCSBench-Mixed 上报告 0.871 客观与 0.810 主观切换 F1，代价是歌声数据电流音与真实纯隐式场景泛化仍受限。
论文解读
CookVoice: Unified Framework for Style Controllable Multi-Modal Human Voice Generation
语音合成 | 6.0/10
论文解读
Beyond Call and Response: Modelling Reciprocal Coordination in Human-AI Vocal Ensembles
歌唱生成 | 5.5/10
论文解读
SemBridge: Semantic Token Anchoring for Continuous-Latent Autoregressive Speech Generation
语音合成 | 7.0/10
论文解读
MeloCodec: Harnessing Melodic Priors for High-Fidelity Singing Voice Representation
歌唱生成 | 6.1/10
论文解读
VocalRender: Score-Native Singing Voice Synthesis for Real-World Composition
歌唱生成 | 7.5/10
论文解读
WanSong v1.0 Technical Report
音乐生成 | 7.6/10
论文解读
Adapting a Diffusion-Based Music Synthesis Model to Human Voice Conversion
语音转换 | 6.0/10
论文解读
Qwen-Music Technical Report
音乐生成 | 7.4/10