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

KSDIFF: Keyframe-Augmented Speech-Aware Dual-Path Diffusion for Facial Animation

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4327 字 阅读 →
论文解读

Learning Linearity in Audio Consistency Autoencoders via Implicit Regularization

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4229 字 阅读 →
论文解读

MAG: Multi-Modal Aligned Autoregressive Co-Speech Gesture Generation Without Vector Quantization

音频生成 | 8.0/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4829 字 阅读 →
论文解读

Matching Reverberant Speech Through Learned Acoustic Embeddings

音频生成 | 8.0/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4163 字 阅读 →
论文解读

Meanflow-Accelerated Multimodal Video-to-Audio Synthesis Via One-Step Generation

音频生成 | 7.5/10

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

Mitigating Data Replication in Text-to-Audio Generative Diffusion Models Through Anti-Memorization Guidance

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4653 字 阅读 →
论文解读

用带噪混合当高噪声步监督:Mix2Morph 如何把加法叠加训练成可控的声音注入

📄 用带噪混合当高噪声步监督:Mix2Morph 如何把加法叠加训练成可控的声音注入 会议论文 ID:conference:icassp:2026:icassp-arnumber:11460386

 · 更新于 2026-10-16 · 约 16 分钟 · 7807 字 阅读 →
论文解读

Multimodal Room Impulse Response Generation Through Latent Rectified Flow Matching

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5404 字 阅读 →
论文解读

Parametric Neural Amp Modeling with Active Learning

音频生成 | 8.0/10

 · 更新于 2026-10-16 · 约 8 分钟 · 3918 字 阅读 →
论文解读

Phase-Retrieval-Based Physics-Informed Neural Networks For Acoustic Magnitude Field Reconstruction

声源定位 | 7.0/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4181 字 阅读 →
论文解读

PICOAUDIO2: Temporal Controllable Text-to-Audio Generation with Natural Language Description

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 10 分钟 · 4651 字 阅读 →
论文解读

PRoADS: Provably Secure And Robust Audio Diffusion Steganography With Latent Optimization And Backward Euler Inversion

音频安全 | 6.5/10

 · 更新于 2026-10-16 · 约 8 分钟 · 3627 字 阅读 →
论文解读

ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer

音频生成 | 7.0/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4275 字 阅读 →
论文解读

S-PRESSO: Ultra Low Bitrate Sound Effect Compression with Diffusion Autoencoders and Offline Quantization

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5113 字 阅读 →
论文解读

Sounds that Shape: Audio-Driven 3D Mesh Generation with Attribute-Decoupled Score Distillation Sampling

音频生成 | 7.0/10

 · 更新于 2026-10-16 · 约 8 分钟 · 3847 字 阅读 →
论文解读

Spring Reverb Emulation with Hybrid Gated Convolutional Networks and State Space Models

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5227 字 阅读 →
论文解读

StereoFoley: Object-Aware Stereo Audio Generation from Video

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 8 分钟 · 3564 字 阅读 →
论文解读

StylePitcher: Generating Style-Following and Expressive Pitch Curves for Versatile Singing Tasks

歌唱语音合成 | 7.5/10

 · 更新于 2026-10-16 · 约 11 分钟 · 5251 字 阅读 →
论文解读

Subsequence SDTW: Differentiable Alignment with Flexible Boundary Conditions

音乐信息检索 | 8.0/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4127 字 阅读 →
论文解读

Sunac: Source-Aware Unified Neural Audio Codec

音频生成 | 7.5/10

 · 更新于 2026-10-16 · 约 9 分钟 · 4495 字 阅读 →