音频修复

该文把去噪目标改为随声场景变化的界内与界外事件，用先做声场景分类再做条件掩蔽去噪的两阶段网络，在六类场景配对数据上以可运行的 UNet 为基线对比，学习到的上下文取得最高 SI-SDR 但合成混合的统计失配仍是主要代价。

共收录 103 篇 cvpr-2026 会议论文的 Reader 深度解读

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

该研究把单通道肺音去噪定义为从心音、摩擦与环境噪声叠加中恢复胸壁肺音，用可微短时傅里叶变换包裹的复数谱残差 U-Net 做端到端估计，在合成与真实混合上报告了更高的信噪比改善和更低的重建误差，但高信噪比段的失真风险与临床保真仍待单独验证。

该研究把正常听觉与电刺激听觉都写成可微模型，用同一段语音驱动两条通路并以螺旋神经节神经元包络误差为目标训练双网络刺激器，在 TIMIT 干净语音上把包络平均绝对误差从 0.6261 降到 0.0934，代价是仅用单一包络指标、干净语音和 8 kHz 以下频带且允许同时刺激。

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

针对固体共振物体声音恢复弱且染色重的问题，该工作用模态形状梯度与二阶模态传递函数建立多点双轴散斑位移到声源的前向模型并做正则优化反演，在鼓等多物体上比单点、平均与固定延迟融合更干净，但高频模态漏检仍是主要代价。

论文把抗导数抗混叠首步的线性插值换成二三阶拉格朗日插值，并用切比雪夫多项式逼近非线性使矩形与三角核积分可闭式计算，在 3192 Hz 正弦加 tanh 与硬削波实验中显著提升信噪比，代价是每样本多次非线性求值与离散余弦变换开销。

共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读

针对生成式语音修复中似然目标与听感偏好错位及单指标奖励作弊问题，论文用四维一致投票构造约 8 万偏好对并做 DPO 对齐，在 AR、掩码生成与流匹配三范式上报告了一致的客观与主观增益，代价是依赖自动指标代理与同范式数据更有效。

音频修复 | 10.0/10

语音编辑 | 7.3/10

音频修复 | 7.0/10

音频修复 | 7.4/10

音频修复 | 8/10

音频修复 | 8.1/10

音频修复 | 7.5/10

音频修复 | 6.2/10

音频生成 | 7.0/10

音频生成 | 7.5/10