论文解读
从听见写入选项到用选项做决定:音频大模型中声学证据的两阶段路径
在必须依赖声音的选择题上训练能提升准确率并同步增强对真实音频的行为敏感度,其内部机制是早期到中层先让音频塑造选项表征、再在中层到晚层强化选项对最终答案的贡献,而可学习的 LoRA 更新在模型特定的层带上起决定作用。
在必须依赖声音的选择题上训练能提升准确率并同步增强对真实音频的行为敏感度,其内部机制是早期到中层先让音频塑造选项表征、再在中层到晚层强化选项对最终答案的贡献,而可学习的 LoRA 更新在模型特定的层带上起决定作用。
语音质量评估 | 7.7/10
多模态情感识别 | 5.0/10
音频生成 | 6.0/10
音乐生成 | 7.5/10
TARNet: A Temporal-Aware Multi-Scale Architecture for Closed-Set Speaker Identification
音频分离 | 7.5/10
语音识别 | 8.0/10
语音生物标志物 | 6.5/10
音乐转录 | 7.0/10
音乐分类 | 6.5/10
语音分离 | 7.5/10
音视频 | 7.0/10
视频检索 | 7.0/10
语音识别 | 7.5/10
语音合成 | 6.5/10
语音增强 | 7.0/10
说话人验证 | 8.0/10
📄 缺失与偏置并存时如何做鲁棒的多模态情感分析:门控序列修复与平衡跨模态注意的协同 会议论文 ID:conference:icassp:2026:icassp-arnumber:11460389
语音转换 | 7.5/10