论文解读
念对了也白搭：尼泊尔金融语音里被格式卡住的钱包
语音识别 | 6.1/10
语音识别
论文解读
在喇叭与犬吠同时响起时听清人声：VAANI 如何把印度田野噪声钉在时间轴上
语音识别 | 5.8/10
论文解读
边听边分清谁在说：把长历史留下来做说话人归属
语音识别 | 7.5/10
论文解读
不做硬切分：用连续说话人占比给 Whisper 注入重叠感知
语音识别 | 6.2/10
论文解读
当解码器缺的不是声音，而是下一词的语义证据
语音识别 | 8.4/10
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
在并行与记忆之间找缝隙：WhisperX 如何既跑得快又记得住
语音识别 | 7.4/10
论文解读
听见是谁在说：用反事实声纹逼语音模型从猜文本回到听声音
说话人日志 | 7.0/10
论文解读
当模型听得懂阿拉伯语，却看不懂阿拉伯文化：ImageEval 2026 的三重拷问
语音识别 | 8.1/10
论文解读
给大模型加声学缰绳：用 0.6 nats 的似然约束把翻译式幻觉拉回转录
语音识别 | 7.8/10
论文解读
口音不是噪声，是距离：当母语离英语越远，ASR 的潜空间就越把你推开
语音识别 | 6.9/10
论文解读
提示词动了，词错误率为什么不动：一次生产级口述史转录的预注册阴性消融
语音识别 | 7.4/10
论文解读
把循环拆成并行：用时带混合与自适应回退让增强前端不再拖累识别
语音增强 | 6.2/10
论文解读
听得更干净，却想得更错：当语音增强把大模型带偏
语音增强 | 8.0/10
论文解读
1500 个音频 token 真的都需要吗？用等间隔抽样戳破 Whisper 的时域冗余
语音识别 | 7.2/10
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
先别让模型开口：当语音大模型需要学会拒绝
语音识别 | 8.3/10
论文解读
听错一句，机器就敢动手：语音误差如何撬开具身智能的安全锁
语音交互 | 5.1/10
论文解读
当一句非洲对话里藏着两种语言，语音识别该听哪一种？
语音识别 | 8.1/10
论文解读
在干净与噪声之间不敢用力的对比解码：用注意力给干预装上刹车
语音识别 | 6.0/10