论文解读
没有配对报告时，如何让呼吸声自己找到临床语义？
音频分类 | 7.8/10
自监督学习
论文解读
类型未知时如何判真假：用两套耳朵听同一段音频
音频伪造检测 | 6.3/10
论文解读
用对比学习给 JEPA 当老师：7M 参数如何靠目标设计逼近 330M 大模型
音乐理解 | 6.5/10
论文解读
在只有 204 个婴儿的世界里，为什么 97.9% 的准确率不值得庆祝
音频分类 | 8.1/10
论文解读
当一句“右转航向 150”必须找到那架飞机：语音与轨迹如何在同一个地图上相遇
对比学习 | 7.5/10
论文解读
只给顺序不给时间：用会遗忘的节奏记忆补上塔布拉转录的弱监督缺口
音乐转录 | 6.3/10
论文解读
效果是效果，声音是声音：当表征必须同时记住与忘记内容
音频检索 | 8.0/10
论文解读
没有金标准时，怎么判断对齐切得准不准
语音识别 | 9.1/10
论文解读
口音的长尾，为什么让无监督语音表示最先露怯？
语音编码 | 5.5/10
论文解读
当 AI 自己给艺术分类：28 个簇与 6 个人类标签的错位
音视频理解 | 4.0/10
论文解读
不训练模型，只靠对齐：用图像把英文单词钉到印地语语音里
音频检索 | 7.3/10
论文解读
Weakly Supervised Seafloor Segmentation for Seagrass Habitat Mapping in Side-Scan Sonar Imagery
音频理解 | 8.1/10
论文解读
AT-ADD: A Benchmark and Challenge for Robust and All-Type Audio Deepfake Detection
音频伪造检测 | 9.6/10
论文解读
DAMOS: Learning Distortion-Aware Speech Quality Assessment through Explicit Distortion Localization
语音质量评估 | 8.2/10
论文解读
Dual-Scale State-Space Modeling with Speaker-Wise Dynamic CRF for Speech Emotion Recognition in Conversation
语音情感识别 | 8.4/10
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
Multi-Task Learning for Non-Canonical Phoneme Recognition via Articulatory Feature Decomposition
语音识别 | 8.2/10
论文解读
Self-Supervised Speech Representations Track Spoken Language Convergence to Adult Models in Infants and Children Who Are Deaf/Hard-of-Hearing
语音属性识别 | 9.7/10
论文解读
Does Mapping Non-Maximal Probabilities to GMM Components Matter for S-JEPA Encoder Representations?
音频理解 | 5.6/10
论文解读
Listening Forward: Next Patch Embedding Prediction Enables Scalable Audio Learners
音频理解 | 8.8/10