论文解读
压住衰减曲线才能压住房间：375 bps 下的 RIR 神经压缩
论文把 RIR 压缩从通用音频重建转向房间结构约束，用 EnCodec 单码本加 EDC 与局部能量加混响语音监督，在 375 bps 上把 T60 误差降到 1.14 s、ViSQOL 做到 4.11，但 46.875 bps 时容量明显不够。
空间音频
论文解读
把 2M 维坐标压到一条曲线上：BOGE 如何用物理先验与贝叶斯优化校准水下柔性阵
声源定位 | 5.7/10
论文解读
把声学公式写进损失：PhysWave 如何让扩散模型不再猜方向
音频生成 | 6.6/10
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
把空间感调得更夸张，音乐会更清晰吗？
音乐理解 | 6.1/10
论文解读
把拾音器从琴上焊死的位置里解放出来：64 路沿弦采样如何把音色选择推迟到混音台
音乐源分离 | 7.7/10
论文解读
既要指向性，又要去混响：一次前向如何重建干净的虚拟方向麦克风
空间音频 | 5.3/10
论文解读
让声码器也理解方向：CSAVocoder 把空间线索留在最后一公里
空间音频 | 7.6/10
论文解读
Array-Agnostic Ambisonics Encoding via Diffusion Posterior Sampling
空间音频 | 7.5/10
论文解读
CoSTALA: Compositional Spatio-Temporal Audio-Language Alignment via Multi-Grain Hierarchical Contrastive Learning
空间音频 | 7.9/10
论文解读
Visually-Guided Spatial Audio Generation for 360° In-the-Wild Speech Scenes
空间音频 | 6.9/10
论文解读
AudioWorldSim: Realistic Binaural Audio Datasets For World Models
空间音频 | 9.7/10
论文解读
Dancing Through Soundscapes: Designing a Low-Cost, Sound-Based Device for Sensing and Interpreting Movement and Dance
音频交互 | 5.2/10
论文解读
Geometry-adaptive Ambisonic encoding for sparse microphone arrays of variable topology using physics-informed diffusion
空间音频 | 6.2/10
论文解读
Numerical and perceptual validity of synthetic Head-Related Transfer Functions at scale
声源定位 | 7.6/10
论文解读
Ambisonics Encoding of Room Impulse Responses using a Device-Agnostic Diffusion Mode
音频生成 | 6.3/10
论文解读
Listen, See and Track: Spatio-Temporal Audio-Visual Sound Event Reasoning for Omni-Modal Language Models
音视频问答 | 6.7/10
论文解读
Scene2Sound: Auditory-Grounded Soundscape Generation for 3D Gaussian Worlds
音频生成 | 7.0/10
论文解读
RIPPLE: Generating Multi-Channel Phase, Not Recovering It
音频理解 | 7.1/10
论文解读
PathRIR: Physics-Guided Acoustic Path Selection and Late-Tail Compensation for Fast Room Impulse Response Simulation
空间音频 | 7.2/10