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

 · 更新于 2026-09-25 · 约 25 分钟 · 12239 字 阅读 →
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

 · 更新于 2026-09-25 · 约 22 分钟 · 10647 字 阅读 →
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

 · 更新于 2026-09-25 · 约 26 分钟 · 12869 字 阅读 →
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

 · 更新于 2026-09-25 · 约 24 分钟 · 11855 字 阅读 →
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

 · 更新于 2026-09-25 · 约 18 分钟 · 8773 字 阅读 →
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

 · 更新于 2026-09-25 · 约 15 分钟 · 7164 字 阅读 →
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

 · 更新于 2026-09-25 · 约 14 分钟 · 6626 字 阅读 →
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

 · 更新于 2026-09-25 · 约 15 分钟 · 7092 字 阅读 →
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

 · 更新于 2026-09-25 · 约 12 分钟 · 5792 字 阅读 →
论文解读

One Timeline, Many Renderings: A Wolfram Language Paclet for heterogeneous musical output

音乐生成 | 7.0/10

 · 更新于 2026-09-25 · 约 16 分钟 · 7660 字 阅读 →
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

 · 更新于 2026-09-25 · 约 12 分钟 · 5941 字 阅读 →
论文解读

Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026

音频理解 | 7.7/10

 · 更新于 2026-09-25 · 约 13 分钟 · 6505 字 阅读 →
论文解读

Humanoid Musical Robots as Experimental Interfaces for Music-Evoked Emotion

音视频交互 | 5.9/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4533 字 阅读 →
论文解读

Vibrato Matching for Modulation Control and Blending in Sound Mixtures

音频生成 | 8.5/10

 · 更新于 2026-09-25 · 约 9 分钟 · 4279 字 阅读 →
论文解读

Accurate Decoding of Natural Sentences from Non-Invasive Brain Recordings

语音识别 | 7.5/10

 · 更新于 2026-09-25 · 约 10 分钟 · 5004 字 阅读 →
论文解读

FM Synthesizer Audio-Parameter Shared Embeddings

音频生成 | 7.3/10

 · 更新于 2026-09-25 · 约 10 分钟 · 4702 字 阅读 →
论文解读

Low-Power, Neuromorphic, Acoustic Anomaly Detection for Persistent Machine Monitoring

音频分类 | 7.3/10

 · 更新于 2026-09-25 · 约 11 分钟 · 5052 字 阅读 →
论文解读

Mitigating Spectral Bias in Neural Operators for Underwater Transmission Loss Prediction

音频理解 | 7.3/10

 · 更新于 2026-09-25 · 约 9 分钟 · 4170 字 阅读 →
论文解读

StocksTalk: A Voice-Enabled Conversational Agent for Structured Query Generation over Web Data

语音交互 | 6.7/10

 · 更新于 2026-09-25 · 约 9 分钟 · 4396 字 阅读 →
论文解读

Impulse Response Estimation via Laguerre-Fourier Expansion

音频理解 | 6.8/10

 · 更新于 2026-09-25 · 约 19 分钟 · 9364 字 阅读 →