论文解读
不只收一个 WAV：把浏览器采集与变换留证的录音系统
VocalCap 把一次浏览器录音拆成原生对象、客户端无损 WAV 与服务端规范 WAV 三份互补文件并全程留证，在确定性破坏测试、39 例试点复检与 Chromium/WebKit 双端到端中验证了采集与变换契约，但声学校准、可用性与生物标志物有效性仍需独立研究。
端到端
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。
论文解读
不看未来也能补高频：StreamWSR 的因果波形超分
StreamWSR 把低采样语音先上采样再用全因果波形网络预测残差补高频，在 VCTK 三种带宽扩展设置下以 9M 参数和 2G FLOPs 达到与非流式基线相当的失真与可懂度，并用消融证明了帧级压缩与频谱判别器的作用。
论文解读
同一停靠点听见两种世界：ARFT 把超声与射频钉在同一坐标上
声源定位 | 6.4/10
论文解读
耳塞在震动什么：骨导语音的低频直线与单轴传感器的容差
语音增强 | 6.3/10
论文解读
单塔为何还能赢双塔：BiMTokenizer 用双向状态与固定格点重做 1.1 kbps 的语义-声学平衡
语音编码 | 8.3/10
论文解读
想练好一句难开口的话，机器得先学会怎么“演人”：Conversation Coach 的延迟与演技取舍
语音交互 | 6.3/10
论文解读
把响度与形状拆开：用归一化解耦让板混响参数在病态地形中收敛
音乐理解 | 6.3/10
论文解读
用最轻的耳蜗换最高的精度：HLP 脉冲编码为何在干净数据上赢、在嘈杂数据上输
语音识别 | 6.8/10
论文解读
韵律能猜出多少句法？把停顿与时长放进互信息的秤上称重
Transformer | 7.6/10
论文解读
不用再把 PDM 翻译成 PCM：让状态空间模型直接听懂单比特麦克风
语音增强 | 7.5/10
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
把嘴边的电极收回指尖：按需贴合如何让无声语音既可用又不打扰隐私
语音识别 | 5.9/10
论文解读
不只给一个抑郁概率：把声音拆成四条可审计的 DSM-5 线索
语音情感识别 | 7.1/10
论文解读
别让检测器猜伪迹：先把原声的压缩记忆藏回去
语音伪造检测 | 6.5/10
论文解读
One Timeline, Many Renderings: A Wolfram Language Paclet for heterogeneous musical output
音乐生成 | 7.0/10
论文解读
REDnet: Recursive Encoder and Decoder for Speech Separation under Unknown Number of Speakers and Variable Number of Microphones
语音分离 | 8.2/10
论文解读
Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026
音频理解 | 7.7/10
论文解读
Humanoid Musical Robots as Experimental Interfaces for Music-Evoked Emotion
音视频交互 | 5.9/10
论文解读
Vibrato Matching for Modulation Control and Blending in Sound Mixtures
音频生成 | 8.5/10