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。
RNN
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
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
论文解读
Deep Learning Based Relative Transfer Matrix Estimation for Multiple Sources and Multiple Microphones
语音增强 | 5.1/10
每日研究速递
语音/音乐/音频论文速递 2026-08-13
共分析 18 篇语音/AI 论文
论文解读
Echo-Aware Modulation for Compact-Latent Frequency-Time Modeling in Lightweight Acoustic Echo Cancellation
语音增强 | 6.3/10
每日研究速递
语音/音乐/音频论文速递 2026-08-05
共分析 32 篇语音/AI 论文
论文解读
Sounding Canvas: Embedding Algorithms in Networked, Sensorial Sound Art
RNN | 5.7/10