会议总览
acl-2026 论文深度解读
共收录 199 篇 acl-2026 会议论文的 Reader 深度解读
RNN
论文解读
不做频谱，直接读波形：用 CNN-GRU 从板混响脉冲响应反推六个可辨识物理参数
针对 DAFx 参数估计挑战 Task A 从未归一化位移脉冲响应恢复板混响物理参数的问题，论文用三层一维卷积加双向 GRU 的时域回归器直接预测六个可辨识参数，在 150 例开发测试集上以参数归一化均方误差 0.0499 优于粒子群优化基线的 0.0618，并把单条推理时间从 36.46 秒降到 1.10 秒，代价是面密度一项略差且最优检查点早在第 5 轮 …
论文解读
无声时肌肉还在说话：用通道协方差把肌电直接译成音素
该文只用静默构音肌电与文本转写、用对称正定矩阵表示通道间相关再接门控循环网络与联结时序分类损失做音素级序列转换，在大词表单被试上报告音素错误率 48.47% 与词错误率 73.53%，代价是仍需双向整句解码且主要证据来自单名健康被试。
论文解读
先对齐多帧运动、再用声音补嘴部细节：GAVN 的时域与身份互补修复
针对带声音的人脸视频在压缩、模糊和低分辨率下的退化，GAVN 用低分辨率空间的帧间时域特征做粗修复、用高分辨率空间的音频加关键点身份特征补细节，在 VoxCeleb2 和 Obama 两种说话人场景下取得最优的图像质量与唇音同步分数，但代价是两阶段训练与多模块推理成本。
论文解读
当打击乐手拿起鼓刷：用持续手势对抗鼓机映射的技术俘获
本研究通过与职业鼓手四个月的协同设计，将仅支持离散打击检测的映射扩展为连续手势 RNN 与离散分类协同的 Max4Live 工具包，并以十首曲目录制检验其在真实创作中能否抵御技术俘获，代价是连续特征时域精度与循环稳定性仍有限。
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
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
只给顺序不给时间：用会遗忘的节奏记忆补上塔布拉转录的弱监督缺口
音乐转录 | 6.3/10
每日研究速递
语音/音乐/音频论文速递 2026-09-01
共分析 49 篇语音/AI 论文
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
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
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
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
Training DeepFilterNet with Accurate Room Acoustic Simulations Improves Single-Channel Speech Enhancement
语音增强 | 9.0/10
论文解读
μNet: Ultra-Low-Memory and Low-Complexity Speech Enhancement for Embedded Digital Signal Processors
语音增强 | 8.3/10
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
论文解读
DNN-Based Frequency-Dependent Estimation of Speech, Music, and Noise Power in Acoustic Mixtures for Hearing-Aid Scene Analysis
音频分离 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-08-19
共分析 16 篇语音/AI 论文
论文解读
Singer-Informed Vocal Source Separation for Multi-Singer Music Mixtures
音乐源分离 | 7.5/10