论文解读
合成之前先对账：说话计划能否证明 delivery 真用了源记录
论文把合成前 delivery 决策做成带源引用的结构化说话计划，用确定性校验器检查引用合法性与单线索局部性，在 32 种子 100 例 full100 对照中去掉源记录使引用必需分数下降 0.488，而 7B 局部性修复在源键留出下恢复槽位准确率与局部性。
SFT
每日研究速递
语音/音乐/音频论文速递 2026-09-04
共分析 30 篇语音/AI 论文
论文解读
长字幕为什么总在最后两层才说谎：用问答把数据、训练和推理锁在一起
音频字幕生成 | 6.8/10
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
Preference Optimization for Non-Verbal Vocalization Synthesis
语音合成 | 7.1/10
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
A Factorial Ablation of a Speech-to-SFT Pipeline: Differential Effects on Data Quality and Downstream Transfer
语音交互 | 9.7/10
论文解读
TLive-Omni: An Omni-Modal Understanding Model for E-Commerce Live Streaming
音视频理解 | 10.0/10
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
ARENA: Automated Red-Teaming for Large Audio Language Models
音频理解 | 6.5/10
每日研究速递
语音/音乐/音频论文速递 2026-08-18
共分析 39 篇语音/AI 论文
论文解读
MuseCritic: Learning Multi-Aspect Song Rewards through Natural-Language Aesthetic Critiques
音频质量评估 | 6.5/10
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
Pianist Transformer: Towards Expressive Piano Performance Rendering via Scalable Self-Supervised Pre-Training
音乐生成 | 8.1/10
论文解读
Speech-Audio Compositional Attacks on Multimodal LLMs and Their Defense with SALMONN-Guard
音频理解 | 8.3/10