论文解读
混合一致性约束下为何需要多输入多输出的迭代精炼
针对混合一致性要求下单步回归难以迭代纠错的问题，论文将任意分离模型扩展为多输入多输出并配合投影与递增加权损失实现多轮互精炼，在 MUSDB18-HQ 上以 BS-RoFormer 与 SCNet 为骨干取得一致提升，但判别器与生成式扰动的收益依赖配置且迭代带来线性计算开销。
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
实增益掩蔽的天花板是投影，离开直线却赢不回平方误差
论文刻画单通道时频实增益掩蔽的正交投影上限，并用一个高斯混合后验均值估计器研究先验、读出与相位对称性：长窗留出设置下估计器距实测类上界 11.44 dB，校准分析中的约 70% 是分贝缺口之比，不是全部缺口或误差能量都由后验方差解释，更不是所有生成分离器的性能上限。
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。
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