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

 · 更新于 2026-09-24 · 约 68 分钟 · 33830 字 阅读 →
论文解读

A Factorial Ablation of a Speech-to-SFT Pipeline: Differential Effects on Data Quality and Downstream Transfer

语音交互 | 9.7/10

 · 更新于 2026-09-24 · 约 12 分钟 · 5555 字 阅读 →
论文解读

Do Spoken Language Models Hear Speech as They Read Text? Bridging Structural Gaps Between Speech and Text

语音交互 | 10.0/10

 · 更新于 2026-09-24 · 约 10 分钟 · 4838 字 阅读 →
论文解读

Reasoning-Oriented Post-Training and Inference-Time LoRA Rescaling for Audio-Dependent Question Answering

音频理解 | 8.3/10

 · 更新于 2026-09-24 · 约 11 分钟 · 5275 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-25

共分析 46 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 101 分钟 · 50381 字 阅读 →
论文解读

Avatar-Forever: Decoupled Parallel Training for High-Quality Real-Time Infinite Avatars

音视频生成 | 6.6/10

 · 更新于 2026-09-24 · 约 15 分钟 · 7021 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-17

共分析 20 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 62 分钟 · 30965 字 阅读 →
论文解读

MERaLiON-GR: Speech Gender Recognition Model for English and SEA Languages

语音属性识别 | 7.5/10

 · 更新于 2026-09-24 · 约 15 分钟 · 7067 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-06

共分析 26 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 73 分钟 · 36201 字 阅读 →
论文解读

MoLGE: Mixture of Language Group Experts for Efficient Scaling of Massively Multilingual Speech Recognition

语音识别 | 6.7/10

 · 更新于 2026-09-24 · 约 10 分钟 · 4906 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-28

共分析 31 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 103 分钟 · 51404 字 阅读 →
论文解读

Audio Sentiment Analysis via Distillation and Cross-Modal Integration of Generated Multilingual Transcripts

语音情感识别 | 6.9/10

 · 更新于 2026-09-24 · 约 17 分钟 · 8349 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-09

共分析 13 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 47 分钟 · 23491 字 阅读 →
论文解读

CARD: Cross-component Audio Representation Distillation for Encoder-Free Audio Captioning

音频字幕生成 | 6.3/10

 · 更新于 2026-09-24 · 约 15 分钟 · 7179 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-07

共分析 58 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 176 分钟 · 87928 字 阅读 →
论文解读

CoLA: Cross-Modal Low-rank Adaptation for Multimodal Downstream Tasks

音视频理解 | 8.3/10

 · 更新于 2026-09-24 · 约 17 分钟 · 8159 字 阅读 →
论文解读

V-LynX: Token Interface Alignment for Video+X LLMs

音视频问答 | 7.8/10

 · 更新于 2026-09-24 · 约 11 分钟 · 5123 字 阅读 →
论文解读

H-SAGE: Holistic Speaker-Aware Guided Experts for MoE-based Multi-Talker ASR

语音识别 | 6.9/10

 · 更新于 2026-09-24 · 约 12 分钟 · 5995 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-07-03

共分析 31 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 101 分钟 · 50504 字 阅读 →