评测协议

该研究以 LibriTTS 子集与 LibriTTS-R 对照比较 X-Vector 与 ECAPA-TDNN 在加噪、混响、加静音与神经声码器重建下的嵌入空间结构，报告 ECAPA-TDNN 更稳健但强混响与音频修复仍使类间可分性与最近说话人分类明显下降，而 X-Vector 对环境伪影更敏感。

论文把以 TidalCycles 为源头的现场编程家族改称为 Uzulangs，方法是用时间的纯函数加查询窗口表示模式，最强证据是查询、连接与可视化在多个语言中可复述，代价是放弃状态导致马尔可夫链等有状态写法很少被使用。

该工作把古兰经背诵 ASR 转写与标准文本的差异标注为带位置的类型化事件，用可执行评分器同时考核标签与跨度，并报告朴素差分、生产组件适配与编码智能体试点的对照与代价。

论文把音效生产归纳为九项需求，用共享的参考到音频变体任务加原生能力分析比较五个异构基线，证据显示 AudioX 在保真与身份保持上最均衡而多样性、时序控制与局部修复各有所长且伴随效率与域外退化代价。

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

论文指出波形误差是增益误差的带载波代理，易被次生效应淹没，用实测控制电压直接计算增益误差并训练灰盒模型后，直接监督在增益误差上明显优于波形代理，而波形指标对差异显著的模型给出相近分数，代价是需要同步采集控制电压并建设约 270 GB 的大规模数据集。

该文把声道发音合成的评价转为发音特征上的音素识别问题，用同一识别器比较真实轮廓与三种合成轮廓的音素错误率，最强证据是加浊音编码后无模型合成达到 20.59 的错误率，代价是单说话人法语实时磁共振数据与缺声源信息的固有限制。

论文用带精确起止时间的合成复调音频检验片段级分类器的事后积分梯度时间定位能力，最强证据是积分梯度达到平均交并比 0.39 与帧级 F1 值 0.52，接近弱监督帧级模型，但峰值定位一致性代价明显。

论文把标准评测中已知机器身份的假设拿掉后联合评测，发现判别式模型退化最小而依赖机器专属分数的方法退化明显，且退化程度与隐式机器识别准确率相关，但局部密度归一化为例外显示识别准不是高检测性能的必要条件。

该研究针对盲房间脉冲响应生成评价分散、基线难复现的问题，在 11500 条房间脉冲响应的统一条件下对比滤波器组改进与多分辨率短时傅里叶变换加能量衰减浮雕联合损失改进，报告损失改进带来 41% 多分辨率短时傅里叶变换损失下降与 25% 峰相似度提升，但高频与低频最优窗口不同且固定 1 秒单通道仍是边界。

针对空间语义分割同时要分离和分类而旧联合指标会把标签错配算成负分的问题，论文提出先做置换不变匹配再算分类的 CASA-SDR，并在受控交换与 DCASE 2025 系统上显示它能把差分离与标签交换区分开，代价是对删除与替换类错误不再区分。

论文在五个语音情绪数据集上零样本评测 Qwen2-Audio 并用多组多类公平指标审计，发现其总体预测分布较均衡但总体准确率平等性差距大，且解码温度超过 0.7 会同时损害准确率与公平性。

针对波数字滤波器实时仿真中面向对象抽象与冗余状态带来的开销，论文用描述语言加静态编译生成最小状态代码，在四类电路上以每样本周期数与指令数为证据逼近理论性能界，代价是拓扑必须在编译时固定并依赖热重载维持可修改性。

针对长时连续语音到语音同传难以复现评测的问题，论文用目标端语音识别加强制对齐恢复词级时间戳、再用句嵌入对齐切分到源语句组的方法，在约 10 分钟与约 45 秒两类语音上验证可行，并报告延迟随输入变长而累积的主要代价。

共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读

共收录 199 篇 acl-2026 会议论文的 Reader 深度解读

论文把声纹伪造检测的跨库崩溃拆成捷径依赖与域偏移两类失败，用有向图加受控声学干预证明非语音结构是主捷径，而针对性增强能解耦但要付出域内代价。

针对声音匿名化中情感保留被硬标签平均召回低估不确定性的问题，该研究把语音情感识别输出换成概率与对数值并比较原始与匿名化嵌入距离，用 23 人 MUSHRA 主观评分为准，发现概率向量欧氏距离与人耳判断高度相关且不再依赖真值标注，但属性预测表示仍弱于类别表示。

该研究用 1000 人 227.3 小时四种平行音频与 11 个属性检验说话人属性隐私泄露，显示传统模型与微调后多模态大模型在多属性上明显高于随机猜测，但非语音信号与细粒度属性仍存在显著不确定性与评估代价。