论文解读
先分离再生成：MACS 如何把混合声音拆开并对齐语义来画图
针对自然混合音频直接生成图像会丢失多源语义的问题，MACS 采用先用 UNet 分离再用解耦交叉注意力生成图像的两阶段路线，在 LLP-multi 等多任务上报告了多项指标领先，但分离数固定与文本标签依赖仍是主要代价与边界。
音频分离
子标签
下方只统计已核验方向的论文记录，按已核身份去重，身份待核时按页面保留。“直接”只含明确标注该方向的论文；“含子树”同时包含下级方向。点击名称进入论文库继续筛选；数量与上方按标签名称收录的页面数不同。
论文解读
不用成对混合也能分离：扩散先验与重建引导如何分开又合上声音
该文把单通道分离写成已知加性混合的逆问题，只用单源扩散先验加迭代重建引导完成分离，并用混合加噪初始化、三重注意力骨干与混合引导强度解决梯度冲突，代价是 200 步迭代采样的计算开销与同质语音的排列不确定性。
论文解读
未知声源数下分离与提取如何共用一个分离器：USE 的吸引子与线索对齐
针对混合声源数未知且用户线索可能缺失或低质的问题，USE 用 EDA 自动估计声源数与吸引子、用多模态线索网生成可替换的线索嵌入并以对齐损失联合训练，在 AudioSet 类 2 混与 3 混上报告了分离与提取的提升，但多声源计数与跨模态对齐精度随声源数增加而下降且大混合数评估仍有限。
论文解读
从“只会抽叶子”到“整棵树都能点名”：用本体距离重塑目标声音提取的条件空间
音频分离 | 5.7/10
论文解读
单麦克风里拆出心跳与呼吸：小波、时序与可解释潜空间为何要一起工作
音频分离 | 6.6/10
论文解读
FlowSep 2: Self-Supervised Flow Matching for Language-Queried Audio Source Separation
音频分离 | 9.0/10
论文解读
DNN-Based Frequency-Dependent Estimation of Speech, Music, and Noise Power in Acoustic Mixtures for Hearing-Aid Scene Analysis
音频分离 | 6.5/10
论文解读
DRONEAUDIONET: Noise Suppression for Drone Audition-based Search and Rescue
音频分离 | 7.2/10
论文解读
Mixture-Constrained Max Pooling Improves Separation-Based Bird Species Classification
音频分类 | 5.3/10
论文解读
A Semantically Consistent Dataset for Data-Efficient Query-Based Universal Sound Separation
音频分离 | 9.2/10
论文解读
SAM Audio: Segment Anything in Audio
音频分离 | 9.2/10
论文解读
When Attention Collapses: Residual Evidence Modeling for Compositional Inference
音频分离 | 7.5/10
论文解读
AlignSep: Temporally-Aligned Video-Queried Sound Separation with Flow Matching
音频分离 | 7.5/10
会议任务专题
ICLR 2026 - 音频分离
共 1 篇 ICLR 2026 音频分离 方向论文
论文解读
Domain Partitioning Meets Parameter-Efficient Fine-Tuning: A Novel Method for Improved Language-Queried Audio Source Separation
音频分离 | 7.5/10
会议任务专题
ICASSP 2026 - 音频分离
共 1 篇 ICASSP 2026 音频分离 方向论文
论文解读
Audio Source Separation in Reverberant Environments using $β$-divergence based Nonnegative Factorization
本文针对混响环境下的多通道音频源分离问题，提出了一种基于β-散度非负因子分解的参数估计新方法。传统方法依赖期望最大化（EM）算法估计源频谱方差和空间协方差矩阵，本文则利用包含源频谱先验信息的基矩阵（可