论文解读
不用听原声也能评声音：先分维标注再用文字蓝图推理的语音评价
针对语音到语音评价只看文字会漏掉语气、直接听音频又贵又不透明的问题，论文用先分内容音质副语言三维标注再把廉价声学信号写成文字蓝图交给大语言模型推理并按确定性规则融合的方法，在两个公开偏好集上提高了与人的一致性并把音频评测成本降到约三分之一。
语音质量评估
论文解读
不只收一个 WAV：把浏览器采集与变换留证的录音系统
VocalCap 把一次浏览器录音拆成原生对象、客户端无损 WAV 与服务端规范 WAV 三份互补文件并全程留证，在确定性破坏测试、39 例试点复检与 Chromium/WebKit 双端到端中验证了采集与变换契约，但声学校准、可用性与生物标志物有效性仍需独立研究。
论文解读
同样 2 倍速为何体验不同：按运动、语速和节奏算快放感知质量
该文在 1x 到 3x 主观评分基础上，用视频时间信息、语音语速和音乐节拍分别拟合指数衰减并融合成视听模型，在独立新序列上与主观均值高度一致，但意图推断只做到粗粒度辅助。
论文解读
语义不够：语音平均意见分预测为何还需要声学保真度
论文在 BVCC 训练、在 SOMOS 与 BC2019 零样本评测自监督、纯声学与统一编解码表示；融合语义和声学的部分模型有较好表现，但优劣随冻结或微调、数据集及评分或排序指标而变化，跨语种也有例外，不能据此宣布某一表示类别普遍最优。
论文解读
单塔为何还能赢双塔：BiMTokenizer 用双向状态与固定格点重做 1.1 kbps 的语义-声学平衡
语音编码 | 8.3/10
论文解读
主观分数能当奖励吗？当感知预测器遇上可懂度硬约束
语音合成 | 7.6/10
论文解读
方差不该越过底线：用单峰约束重画 MOS 的容许区间
语音质量评估 | 7.4/10
论文解读
把销售话术拆成可审计的流水线：SETU 为何用多智能体而非一个大模型打分
音视频理解 | 5.5/10
论文解读
会数停顿的尺子，为什么比会说话的模型更懂流利度？
语音质量评估 | 6.7/10
论文解读
ASR 评测别急着换大模型：先分清向量度量、候选裁判与错误解释
语音质量评估 | 6.1/10
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
CASA: Content-Acoustic Speaking Assessment with Speech Encoder and Large Language Model
语音质量评估 | 7.9/10
论文解读
Beyond Naturalness: Probing Automated Text-To-Speech Evaluators on Linguistically Grounded Dimensions
语音质量评估 | 7.1/10
论文解读
AI-Guided Learning: Research on Knowledge and Skill Acquisition Support Methods Using Deep Learning Audio-Video Processing Techniques
音视频理解 | 6.3/10
论文解读
Mitigating Over-Suppression in Speech Enhancement via Inference-Time Rethink-and-Refine Correction Module
语音增强 | 6.2/10
论文解读
Bias Analysis of L2 Speaking Assessment Systems Using Concept Activation Vectors
语音质量评估 | 6.7/10
论文解读
Assessing speech quality metrics for evaluation of neural audio codecs under clean speech conditions
语音质量评估 | 6.0/10
论文解读
Crowdsourced Multilingual Speech Intelligibility Testing
语音质量评估 | 7.5/10
论文解读
An Audio Language Model-Based Voice Concept Bottleneck Framework for Interpretable Health Assessment
语音质量评估 | 6.2/10
论文解读
Controlling Implicit Shortcut Reliance in L2 Spoken English Auto-markers
语音质量评估 | 7.5/10