每日研究速递
语音/音乐/音频论文速递 2026-09-10
共分析 44 篇语音/AI 论文
CNN
论文解读
音频三路特征与视频时空建模为何需要注意力来对齐：多模态情绪识别的可复述路径
针对单模态易受噪声与信息缺失影响的问题，论文用 Wav2Vec2、MFCC 与统计声学特征经 BiLSTM 建模音频、用 ResNet50-BiLSTM 建模视频，并以多头交叉注意力做特征级融合，在 MELD 上微平均 93.7% 与 IEMOCAP 上 90.3% 准确率上验证效果，但未报告训练超参细节与统计显著性。
每日研究速递
语音/音乐/音频论文速递 2026-09-09
共分析 1 篇语音/AI 论文
论文解读
多深度谐波卷积如何让乐器无关转录在小参数下仍保持高帧精度
针对单乐器身份未知的乐器无关转录，Harmonica 以 CQT 输入与多深度谐波卷积在多源温度采样训练下实现 26.3K 至 15.1M 的规模化，x-large 在多数测试集上取得最高帧 F1，medium 以 848.5 倍实时保持可比精度，nano 以 1622.5 倍实时仍显著超过同量级基线。
每日研究速递
语音/音乐/音频论文速递 2026-09-08
共分析 38 篇语音/AI 论文
论文解读
先听见，再分清：两级级联如何把稀有虎鲸从海噪里捞出来
音频分类 | 6.7/10
每日研究速递
语音/音乐/音频论文速递 2026-09-03
共分析 18 篇语音/AI 论文
论文解读
开耳助听器里漏进来的噪声，为何要让扬声器自己去抵消？
语音增强 | 7.5/10
每日研究速递
语音/音乐/音频论文速递 2026-09-02
共分析 23 篇语音/AI 论文
论文解读
在茶树里听见白蚁：当 81.5% 的准确率比 98% 更诚实
音频分类 | 5.1/10
每日研究速递
语音/音乐/音频论文速递 2026-08-31
共分析 22 篇语音/AI 论文
论文解读
一条咳嗽模型的跨国体检：高分为何更像设备在说话
音频分类 | 8.8/10
每日研究速递
语音/音乐/音频论文速递 2026-08-27
共分析 21 篇语音/AI 论文
论文解读
Visually-Guided Spatial Audio Generation for 360° In-the-Wild Speech Scenes
空间音频 | 6.9/10
每日研究速递
语音/音乐/音频论文速递 2026-08-26
共分析 26 篇语音/AI 论文
论文解读
AudioNoisePrints: Model-free audio watermarking using spatial correlation in flow matching TTS
音频水印 | 7.9/10
论文解读
LipsAM: Lipschitz-continuous Neural Networks for Convergent Plug-and-Play Audio Signal Recovery
音频修复 | 10.0/10
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
Simulation-to-Real First-Break Segmentation for Efficient Inversion in Musculoskeletal Ultrasound Tomography
音频事件检测 | 9.8/10