论文解读
连续编码表示上的分块解码：在一次前向与逐帧之间调节增强代价
论文把语音增强放在连续神经音频编解码表示上做掩码自回归建模，用同一 Conformer 和同一训练比较不同解码策略，在 Libri1Mix 上以 10 步取得介于非自回归与因果自回归之间的质量与算力，并以可听度指标接近非自回归基线。
高效推理
论文解读
不看未来也能补高频：StreamWSR 的因果波形超分
StreamWSR 把低采样语音先上采样再用全因果波形网络预测残差补高频，在 VCTK 三种带宽扩展设置下以 9M 参数和 2G FLOPs 达到与非流式基线相当的失真与可懂度，并用消融证明了帧级压缩与频谱判别器的作用。
论文解读
用最轻的耳蜗换最高的精度：HLP 脉冲编码为何在干净数据上赢、在嘈杂数据上输
语音识别 | 6.8/10
论文解读
在并行与记忆之间找缝隙：WhisperX 如何既跑得快又记得住
语音识别 | 7.4/10
论文解读
同一音高多条路：用扩散与可演奏约束把吉他谱写对、写得能弹
音乐转录 | 8.2/10
论文解读
1500 个音频 token 真的都需要吗？用等间隔抽样戳破 Whisper 的时域冗余
语音识别 | 7.2/10
论文解读
把截断搬进频域：用 sinc 重采样让振荡器同步不再混叠
音乐生成 | 7.9/10
论文解读
把去噪塞进耳蜗编码器里：用稀疏脉冲换六倍能耗
语音增强 | 6.7/10
论文解读
把教师的回声残差教给小模型：AEC 蒸馏到底补回了什么
回声消除 | 8.5/10
论文解读
别把旧类压成一个点：SPECTRA 用低秩几何给 5-shot 音频增量学习留住记忆
音频分类 | 7.2/10
论文解读
EM-KalmanNet: Learned Expectation-Maximization for Adaptive Tracking in Partially Known, Block-Wise Time-Varying State-Space Models
声源定位 | 8.8/10
论文解读
A Computationally Efficient Likelihood Approximation for Target Tracking in Time-Varying Multipath Channels
声源定位 | 9.8/10
论文解读
A Regularized Block Diagonal RLS Algorithm for Acoustic Echo Cancellation
回声消除 | 7.2/10
论文解读
PolyChirp: Multi-Species Birdsong Classification Using TinyML on Low-Power Acoustic Sensors
音频分类 | 10.0/10
论文解读
Pre-Decoding Acoustic Triage for Budgeted Vision-Language Captioning of Untrimmed Egocentric Video
音视频理解 | 9.0/10
论文解读
SlimDiffuSE: Towards Efficient Diffusion-Based Speech Enhancement using Slimmable Networks
语音增强 | 7.6/10
论文解读
Spiking Neural Networks for Energy-Efficient Object Detection in Forward-Looking Sonar Imagery
音频事件检测 | 8.5/10
论文解读
TurboBias 2.0: Streaming Context-Biasing for Production-Efficient ASR Systems
语音识别 | 9.0/10
论文解读
WnW: Waxing-and-Waning KV Cache for Long-Form Speech LLMs
语音交互 | 9.4/10
论文解读
A Resource-Efficient CNN-Based EEG Auditory Attention Decoding ASIC
助听器 | 6.2/10