论文解读
加了编解码器训练就掉音质：CRAW 用注意力、掩蔽与纠错把两者拉回平衡
CRAW 针对神经编解码器与去噪重合成导致后处理水印失效的问题，用加宽失真训练加注意力池化加推理时感知掩蔽加重复纠错码，在保持 PESQ 约 4.0 的同时把编解码器与去噪下的检测 F1 拉回 0.8 以上，代价是掩蔽带来约 150 ms 的额外推理延迟。
Transformer
论文解读
生成用短时谱、判别用对数谱：DSME 为何把预测与判别分开
DSME 用短时傅里叶谱显式生成幅值与相位、用恒 Q 谱作八度分段判别并加入色度损失，在独奏音乐的三类仿真退化中改善多数客观指标；主观偏好仅在混合失真任务上优于三个基线，该任务的 FAD 仍劣于 MP-SENet。
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
先分好组再混音：为什么两阶段不是技巧，而是分工
音乐生成 | 7.0/10
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
不用真谱也能学会听谱：TUTTI 用 36 万首合成曲喂饱纯 Transformer
音乐转录 | 7.4/10
论文解读
相位不再复用：当 Transformer 学会看懂复数谱图
语音增强 | 6.4/10
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
用对比学习给 JEPA 当老师：7M 参数如何靠目标设计逼近 330M 大模型
音乐理解 | 6.5/10
论文解读
议会里的声音政治学：当情感、犹豫与重音在四种斯拉夫语中分道扬镳
语音情感识别 | 5.6/10
论文解读
相位越不准，幅度越要背锅：用频带加权把流式增强从过衰减里拉回来
语音增强 | 6.4/10
论文解读
韵律能猜出多少句法？把停顿与时长放进互信息的秤上称重
Transformer | 7.6/10
论文解读
当一句“右转航向 150”必须找到那架飞机：语音与轨迹如何在同一个地图上相遇
对比学习 | 7.5/10
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
效果是效果，声音是声音：当表征必须同时记住与忘记内容
音频检索 | 8.0/10
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
先分清状态，再决定能不能说话：Anian 如何把生成关进安全笼子
语音交互 | 5.0/10
论文解读
别只听响度：为什么 AI 炸点声会在“尾巴”里露馅
音频伪造检测 | 5.8/10
每日研究速递
语音/音乐/音频论文速递 2026-08-29
共分析 29 篇语音/AI 论文
论文解读
忘掉不等于擦除：语音网络把关键期痕迹压在了最底层
语音识别 | 8.6/10