论文解读
StyleBench: Evaluating Speech Language Models on Conversational Speaking Style Control
基准测试 | 8.5/10
语音情感识别
论文解读
SURE: Synergistic Uncertainty-Aware Reasoning for Multimodal Emotion Recognition in Conversations
语音情感识别 | 7.5/10
论文解读
Synthetic yet Striking? Assessing Vocal Charisma in TTS via Perceptual and Algorithmic Measures
语音合成 | 7.5/10
论文解读
Temporal Graph Modeling for Speech Emotion Recognition Using LSTM-Aggregated Multigraph Networks
语音情感识别 | 7.5/10
论文解读
Test Time Adaptation for Speech Emotion Recognition
语音情感识别 | 7.0/10
论文解读
Tpeformer: Temporal Patch Embedding Transformer
语音情感识别 | 7.5/10
论文解读
Unrequited Emotions: Investigating the Gaps in Motivation and Practice in Speech Emotion Recognition Research
语音情感识别 | 8.0/10
论文解读
When Audio Matters: A Lightweight, Hierarchical Fusion Model for Speech and Non-Verbal Emotion Recognition
语音情感识别 | 8.0/10
论文解读
Whisper-QF: Leveraging Dual Cross-Attention Q-Former for Speech Emotion Recognition With Multi-Task Learning
语音情感识别 | 7.5/10
论文解读
Psychologically-Grounded Graph Modeling for Interpretable Depression Detection
语音情感识别 | 8.0/10
论文解读
MER 2026: From Discriminative Emotion Recognition to Generative Emotion Understanding
语音情感识别 | 6.0/10
论文解读
Prosody as Supervision: Bridging the Non-Verbal--Verbal for Multilingual Speech Emotion Recognition
语音情感识别 | 8.0/10
论文解读
MoVE: Translating Laughter and Tears via Mixture of Vocalization Experts in Speech-to-Speech Translation
这篇论文旨在解决语音到语音翻译（S2ST）系统普遍丢失源语音中非语言声音（如笑声、哭声）和情感信息的问题，这严重影响了跨语言交流的自然度和准确性。为此，作者提出了三项核心贡献：首先，设计了一个可扩展的自动化数据合成管道，用于生成大规模、高质量的英中富有表现力S2ST平行语料，克服了训练数据稀缺的瓶颈
论文解读
Deep Supervised Contrastive Learning of Pitch Contours for Robust Pitch Accent Classification in Seoul Korean
这篇论文旨在解决将连续变化的基频（F0）曲线映射到首尔韩语中离散、不变的音高重音类别（如LHLH, HHLH）这一难题。传统方法易受F0测量噪声和说话人差异的影响。为此，作者提出了**Dual-Glob**，一个深度监督对比学习框架。其核心是通过一个**双分支（干净视图和增强视图）编码器**，在共享
论文解读
FreezeEmpath: Efficient Training for Empathetic Spoken Chatbots with Frozen LLMs
本文旨在解决训练共情语音聊天机器人时面临的**共情语音数据稀缺、模型泛化能力弱、以及微调导致LLM通用能力退化**三大难题。作者提出了**FreezeEmpath**，一种高效的端到端训练框架。其核心方法是**冻结基础LLM**，采用**语义-情感解耦编码策略**，通过独立的语义适配器和情感提取器从
论文解读
Prosody as Supervision: Bridging the Non-Verbal--Verbal for Multilingual Speech Emotion Recognition
这篇论文旨在解决低资源多语言语音情感识别（SER）中标注数据稀缺的核心瓶颈。作者提出了一个颠覆性的范式：**将SER重新定义为无监督的“非言语到言语”迁移问题**。其核心假设是，非言语发声（如笑、哭）中蕴含的韵律情感线索比言语更纯粹、更跨语言，因此可以作为更好的监督源。为此，作者设计了**NOVA-
论文解读
SELF-EMO: Emotional Self-Evolution from Recognition to Consistent Expression
本文旨在解决对话系统中情感识别（ERC）与情感表达能力受限于高质量标注数据稀缺且静态的问题。**核心贡献**是提出了一个心理学动机的自我进化框架 **SELF-EMO**。**关键方法**是构建一个角色扮演的自博弈范式，使模型同时充当“情绪识别者”和“对话响应者”，并通过一个“生成-筛选-重用”的数
论文解读
Joint-Centric Dual Contrastive Alignment with Structure-Preserving and Information-Balanced Regularization
这篇论文旨在解决音频-文本多模态表示学习中的一个关键挑战：如何在低资源、长序列且模态维度严重不平衡（音频高维、文本低维）的情况下，实现有效的跨模态对齐，同时保留各自的特异性信息。为此，作者提出了HILBERT框架。该方法首先利用冻结的预训练音频（如HuBERT）和文本（如T5）编码器提取片段级特征，