论文解读

别等整句说完:把数字人的手势变成一条受因果约束的数据流

音视频交互 | 6.9/10

 · 更新于 2026-10-15 · 约 9 分钟 · 4260 字 阅读 →
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

 · 更新于 2026-10-15 · 约 54 分钟 · 26637 字 阅读 →
论文解读

Weakly Supervised Seafloor Segmentation for Seagrass Habitat Mapping in Side-Scan Sonar Imagery

音频理解 | 8.1/10

 · 更新于 2026-10-15 · 约 13 分钟 · 6292 字 阅读 →
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 2026-10-15 · 约 68 分钟 · 33830 字 阅读 →
论文解读

MusPyExpress: Extending MusPy with Enhanced Expression Text Support

音乐理解 | 8.7/10

 · 更新于 2026-10-15 · 约 11 分钟 · 5294 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 2026-10-15 · 约 101 分钟 · 50381 字 阅读 →
论文解读

Listening Forward: Next Patch Embedding Prediction Enables Scalable Audio Learners

音频理解 | 8.8/10

 · 更新于 2026-10-15 · 约 12 分钟 · 5976 字 阅读 →
论文解读

Tracking the Trend in How Speech Synthesizers Deceive People

语音伪造检测 | 6.0/10

 · 更新于 2026-10-15 · 约 10 分钟 · 4931 字 阅读 →
论文解读

VA-Judger: Reward Modeling from Human Preference Feedback for Joint Video-Audio Generation

音视频生成 | 8.3/10

 · 更新于 2026-10-15 · 约 11 分钟 · 5274 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-21

共分析 18 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 60 分钟 · 29950 字 阅读 →
论文解读

CLARA: Clip-Level Multimodal Alignment with VLM-Derived Rationales for Hateful Video Detection

音视频理解 | 7.2/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8197 字 阅读 →
论文解读

Distinguishing AI-Generated Music from Edited Audio as a Hard-Negative Robustness Task

音频伪造检测 | 5.6/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7071 字 阅读 →
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

 · 更新于 2026-10-15 · 约 129 分钟 · 64264 字 阅读 →
论文解读

CardioState-JEPA: Delay-Aware Cross-Modal Learning of a Shared Cardiac Representation

音频分类 | 7.2/10

 · 更新于 2026-10-15 · 约 18 分钟 · 8815 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-08-14

共分析 12 篇语音/AI 论文

 · 更新于 2026-10-15 · 约 36 分钟 · 17828 字 阅读 →
论文解读

Robust Multi-Tier Infant-Centered Audio Understanding with Whisper via Structured Speaker Conditioning

音频事件检测 | 6.0/10

 · 更新于 2026-10-15 · 约 12 分钟 · 5766 字 阅读 →
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

 · 更新于 2026-10-15 · 约 56 分钟 · 27887 字 阅读 →
论文解读

A Dataset and Benchmark for Optical Music Recognition of String Quartet Scores

端到端 | 8.5/10

 · 更新于 2026-10-15 · 约 16 分钟 · 7765 字 阅读 →
论文解读

BiTSE: Binaural Target Speaker Extraction in Noisy Multi-Talker Environments for AR Glass Arrays

语音分离 | 5.0/10

 · 更新于 2026-10-15 · 约 20 分钟 · 9824 字 阅读 →
论文解读

DINO-A: Adapting Self-Distillation Vision Transformers to General Audio Representation Learning

音频分类 | 6.2/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7322 字 阅读 →