论文解读
集中改四秒不等于识别器给全曲：MIDI-SAG 和弦条件传播的配对校准
在固定音轨、种子、上下文与评分窗下，中央 4 秒三全音破坏比完整 CNN-CRF 回放引发更大的伴奏特征偏移，而同时匹配改变支撑与关系构成的合成画像最接近回放响应，但它只缩小条件响应距离，不代表音质提升。
生成模型
子标签
下方只统计已核验方向的论文记录，按已核身份去重，身份待核时按页面保留。“直接”只含明确标注该方向的论文；“含子树”同时包含下级方向。点击名称进入论文库继续筛选；数量与上方按标签名称收录的页面数不同。
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
复述一句就能听出你来过：微调语音如何记住嗓音与录音
语音合成 | 7.5/10
论文解读
先分好组再混音：为什么两阶段不是技巧，而是分工
音乐生成 | 7.0/10
论文解读
在噪声里听见和弦：一次卷积如何让田野录音带上调性色彩
音乐生成 | 5.9/10
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
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
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
把截断搬进频域：用 sinc 重采样让振荡器同步不再混叠
音乐生成 | 7.9/10
论文解读
当目标永远无法被完美复刻，我们该如何评判模仿的好坏？
音频生成 | 6.4/10
论文解读
当和声不再只谈音高：用搬运代价度量音色的几何
音乐理解 | 5.5/10
论文解读
EmoTra-TTS: Smooth Intra-Utterance Emotion Transitions for Speech Synthesis
语音合成 | 9.6/10
论文解读
A Computationally Efficient Likelihood Approximation for Target Tracking in Time-Varying Multipath Channels
声源定位 | 9.8/10
论文解读
AudioNoisePrints: Model-free audio watermarking using spatial correlation in flow matching TTS
音频水印 | 7.9/10
论文解读
AudioWorldSim: Realistic Binaural Audio Datasets For World Models
空间音频 | 9.7/10
论文解读
FlowSep 2: Self-Supervised Flow Matching for Language-Queried Audio Source Separation
音频分离 | 9.0/10
论文解读
Geometric Iterative Retrieval for Neural Audio Codec Resynthesis
音频编码 | 7.6/10
论文解读
DynaForcing: Overcoming Dynamic Collapse in Self-Forcing Distillation for Streaming Avatar Generation
音视频生成 | 8.0/10
论文解读
FireRedTTS3: Unified Speech Generation and Editing with Semantically Enriched Speech Representations
语音合成 | 9.0/10