音频分类

该研究把同一套 10 题口哨语四选一听辨任务分别放在户外节日与两间教室施测，用缺失率与正确率随题序的回归斜率加 bootstrap 推断比较情境效应，最强证据是户外组缺失率显著随时间上升而教室组证据不足，代价是户外组词汇题正确率多在随机水平之下且样本与环境混杂无法分离。

该研究用 16 人录音与 8 名女性回访的二选一辨认任务检验普通话问句与陈述语调的感知产出关系，发现听自己更准、刺激中韵律区分度越大越好辨认，但听者自身区分度的作用只体现在问句与陈述的不对称偏移上且受声调制约。

该研究以日语长短元音辨别任务检验口面部皮肤拉伸是否改变听觉判断，最强证据是体感条件下日本组报告长元音比例显著上升而法国组无显著变化，同时法国组心理测量函数斜率显著更平，代价是效应只在有该音位对比的母语者中显现且机制仍为解释性推测。

研究以双音节英语重音辨别与粤语声调同化任务检验知觉同化解释，粤语组辨别灵敏度显著高于英语组并把首末音节分别同化为 T1/T3 与 T4/T1 的两类对立，但证据限于无元音弱化的双音节词与行为选择数据。

该研究用自动标注从 200 篇儿童文本中抽出 129608 个法语补唇语钥匙并统计 10 个音位变量，为按学习复杂度挑选视频胶囊提出可复算的排序依据，但尚未完成聋人学习者验证。

针对蝙蝠被动声学监测中标注稀缺问题，论文固定紧凑 BAT 骨干比较半监督路线与目标构造，报告伪标签在欧洲十分之一标签下闭合至多 61.5% 全监督差距并迁移到南非野外录音，同属加均匀平滑再提升物种宏 F1 达 4.73 个百分点。

针对小频移下谱平均被抹糊的问题，该文把熵正则 Wasserstein 重心约束为给定阶数全极点谱，用 Sinkhorn 加反射系数参数化梯度下降求解，在 TIMIT 五音素上以平衡准确率与 F1 略优于非参数重心，但优化非凸只能得到次优平稳点。

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

针对固定帧与浊音基音周期非整数比造成频谱失真的问题，该文用声门闭合时刻定帧界并重采样到统一时频网格，在 TIMIT 音素分类上以 6 ms 表观支撑达到 47.3% 准确率，超过 24 ms 固定帧的 46.8%，代价是依赖 GCI 估计与二维插值且未建模上下文。

该研究用受控仿真对比卷积噪声与加性噪声对房间脉冲响应表征的影响，显示在能量交点附近截断卷积噪声并在增强时加入加性噪声能改善潜空间可分性与混响时间估计，而把过长噪声尾保留进训练会损害向真实混响语音的泛化。

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

针对拟音数据缺乏动作与材质细粒度标注的问题，论文用两层人工分类体系组织 10000 段拟音并给出可复现基线，最强证据是大类准确率 0.82 而 73 类降至 0.64，代价是长尾分布与单标注者带来的细类混淆。

针对 FSD50K 存在背景干扰、重叠与稀疏标注的问题，该工作用扩散模型生成干净单源样本再构造受控混合来训练 BEATs 加 Bi-LSTM 判别器，在专家整理的 BSE 集上报告 95.51% 准确率与 98.58% 精确率，并据此筛选出 32,880 条的 FSD50K-Solo，代价是未验证对未见类别的泛化。

针对广义零样本声事件分类中未见类被大量判为已见类的问题，论文用属性条件 GAN 生成未见类隐特征训练分类器，再以类级分布外检测做分流与概率融合，在 RWCP-SSD 上把调和平均从 36.2 提高到 78.7，代价是类级检测器数量与阈值调节成本增加。

针对听诊设备、听诊位置和病人特征带来的系统性偏移，该研究用门控残差、FiLM、TAFiLM 和 SoftFiLM 四种元数据调制机制改造音频频谱 Transformer，在 ICBHI 上 SoftFiLM 取得 4 类 64.11% 和 2 类 72.40%，代价是全层调制与全量微调及额外掩码正则。

针对空间语义分割同时要分离和分类而旧联合指标会把标签错配算成负分的问题，论文提出先做置换不变匹配再算分类的 CASA-SDR，并在受控交换与 DCASE 2025 系统上显示它能把差分离与标签交换区分开，代价是对删除与替换类错误不再区分。

针对音频文本对少、少样本适配易过拟合的问题，MUKA 用 Pengi 细粒度相似与 CLAP 全局相似的乘积核做免训练的核岭回归适配，在 11 个音频数据集 16 样本设置下平均准确率达到 80.90%，但在部分数据集上仍不敌线性探测且依赖超参数迁移。

该文在 ESC-50 的 5 任务类增量设置下用 Integrated Gradients 跟踪任务级解释漂移，报告含回放的混合方法同时获得最高平均准确率 0.4400 与最低遗忘 0.3896 并压低解释漂移，而正则化方法遗忘高且漂移大。

针对循环脉冲网络中稠密循环矩阵参数平方增长的问题，该工作用核长为 3 的一维卷积替代全连接循环并保留每个神经元可学习的轴突延迟，在 SHD 上达到 91.51% 精度并把单层循环参数从 65792 降到 259，代价是在 SSC 上落后 DelRec 约 4 个百分点且 SSC 未做超参搜索。