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

Benchmarking Single-Factor Physical Video-to-Audio Generation

音频生成 | 9/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6510 字 阅读 →
论文解读

Native Audio-Visual Alignment for Generation

音频生成 | 7.8/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6977 字 阅读 →
论文解读

Dasheng AudioGen: A Unified Model for Generating Coherent Audio Scenes from Text

音频生成 | 8.6/10

 · 更新于 2026-10-16 · 约 16 分钟 · 7601 字 阅读 →
论文解读

LoSATok: Low-dimensional Semantic-Acoustic Tokenizer for Cross-Domain Audio Understanding and Generation

语音合成 | 7/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6912 字 阅读 →
论文解读

AVBench: Human-Aligned and Automated Evaluation Benchmark for Audio-Video Generative Models

音频生成 | 7/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4951 字 阅读 →
论文解读

CounterFlow: A Two-Phase Inference-Time Sampling for Counterfactual Video Foley Generation

音频生成 | 8.7/10

 · 更新于 2026-10-16 · 约 15 分钟 · 7201 字 阅读 →
论文解读

CounterFlow: A Two-Phase Inference-Time Sampling for Counterfactual Video Foley Generation

音频生成 | 6/10

 · 更新于 2026-10-16 · 约 16 分钟 · 7631 字 阅读 →
论文解读

Stable Audio 3

音频生成 | 6.8/10

 · 更新于 2026-10-16 · 约 23 分钟 · 11116 字 阅读 →
论文解读

Taming Audio VAEs via Target-KL Regularization

音频生成 语音合成 | 6.7/10

 · 更新于 2026-10-16 · 约 16 分钟 · 7824 字 阅读 →
论文解读

WavFlow: Audio Generation in Waveform Space

音频生成 | 6.7/10

 · 更新于 2026-10-16 · 约 24 分钟 · 11712 字 阅读 →
论文解读

Break-the-Beat! Controllable MIDI-to-Drum Audio Synthesis

音频生成 | 6.8/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8349 字 阅读 →
论文解读

FSD50K-Solo: Automated Curation of Single-Source Sound Events

数据清洗 | 5.5/10

 · 更新于 2026-10-16 · 约 14 分钟 · 6839 字 阅读 →
论文解读

Seconds-Aligned PCA-DAC Latent Diffusion for Symbolic-to-Audio Drum Rendering

音频生成 | 7.0/10

 · 更新于 2026-10-16 · 约 21 分钟 · 10175 字 阅读 →
论文解读

AuDirector: A Self-Reflective Closed-Loop Framework for Immersive Audio Storytelling

音频生成 | 6.0/10

 · 更新于 2026-10-16 · 约 17 分钟 · 8049 字 阅读 →
论文解读

ChladniSonify: A Visual-Acoustic Mapping Method for Chladni Patterns in New Media Art Creation

音频生成 | 6.0/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8585 字 阅读 →
论文解读

Remix the Timbre: Diffusion-Based Style Transfer Across Polyphonic Stems

音色迁移 | 5.5/10

 · 更新于 2026-10-16 · 约 18 分钟 · 8892 字 阅读 →
论文解读

AVI-Edit: Audio-sync Video Instance Editing with Granularity-Aware Mask Refiner

视频编辑 | 8.0/10

 · 更新于 2026-10-16 · 约 13 分钟 · 6198 字 阅读 →
论文解读

Stage-adaptive audio diffusion modeling

音频生成 | 7.0/10

 · 更新于 2026-10-16 · 约 12 分钟 · 5813 字 阅读 →
论文解读

AC-Foley: Reference-Audio-Guided Video-to-Audio Synthesis with Acoustic Transfer

音频生成 | 8.0/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4618 字 阅读 →
论文解读

AudioX: A Unified Framework for Anything-to-Audio Generation

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 22 分钟 · 10720 字 阅读 →