音频与语音处理

最近提交的作者和标题

• 2025年09月05日， 星期五
• 2025年09月04日， 星期四
• 2025年09月03日， 星期三
• 2025年09月01日， 星期一
• 2025年08月29日， 星期五

查看今天的 新的 变化

2025年09月04日， 星期四 (展示 12 之 12 条目 )

[9] arXiv:2509.03372 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 一种对自动口语评估中的评分序数和非均匀区间进行建模的有效策略 显示英文标题

标题： An Effective Strategy for Modeling Score Ordinality and Non-uniform Intervals in Automated Speaking Assessment

Tien-Hong Lo, Szu-Yu Chen, Yao-Ting Sung, Berlin Chen

评论： 被ASRU 2025接收

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[10] arXiv:2509.03292 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 通过三元组损失和自监督嵌入改进感知音频美学评估 显示英文标题

标题： Improving Perceptual Audio Aesthetic Assessment via Triplet Loss and Self-Supervised Embeddings

Dyah A. M. G. Wisnu, Ryandhimas E. Zezario, Stefano Rini, Hsin-Min Wang, Yu Tsao

评论： 被IEEE自动语音识别与理解研讨会（ASRU）2025接受

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[11] arXiv:2509.03021 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于大型语言模型的助听器零样本非侵入性语音可懂度研究 显示英文标题

标题： A Study on Zero-Shot Non-Intrusive Speech Intelligibility for Hearing Aids Using Large Language Models

Ryandhimas E. Zezario, Dyah A.M.G. Wisnu, Hsin-Min Wang, Yu Tsao

评论： 被IEEE ICCE-TW 2025接收

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[12] arXiv:2509.03017 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 非侵入式助听器可懂度预测：最新进展、趋势与挑战 显示英文标题

标题： Non-Intrusive Intelligibility Prediction for Hearing Aids: Recent Advances, Trends, and Challenges

Ryandhimas E. Zezario

评论： APSIPA ASC 2025 意见论文

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[13] arXiv:2509.03013 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于不确定性感知的Whisper嵌入和sLSTM的语音可懂度评估 显示英文标题

标题： Speech Intelligibility Assessment with Uncertainty-Aware Whisper Embeddings and sLSTM

Ryandhimas E. Zezario, Dyah A.M.G. Wisnu, Hsin-Min Wang, Yu Tsao

评论： 被APSIPA ASC 2025接收

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[14] arXiv:2509.02622 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： IS${}^3$ : 使用深度过滤的声学场景中通用的脉冲-稳态声音分离 显示英文标题

标题： IS${}^3$ : Generic Impulsive--Stationary Sound Separation in Acoustic Scenes using Deep Filtering

Berger Clémentine (IDS, S2A), Stamadiatis Paraskevas (IDS, S2A), Badeau Roland (IDS, S2A), Essid Slim (IDS, S2A)

期刊参考： IEEE音频和声学中的信号处理应用研讨会，IEEE，2025年10月，塔霍城，加利福尼亚州，美国

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[15] arXiv:2509.02571 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： 基于物理感知深度复合核的导向矢量高斯过程回归增强听觉 显示英文标题

标题： Gaussian Process Regression of Steering Vectors With Physics-Aware Deep Composite Kernels for Augmented Listening

Diego Di Carlo (RIKEN AIP), Koyama Shoichi (UTokyo), Nugraha Aditya Arie (RIKEN AIP), Fontaine Mathieu (LTCI, S2A), Bando Yoshiaki (AIST), Yoshii Kazuyoshi (RIKEN AIP)

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[16] arXiv:2509.03256 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 端到端语音评估模型在NOCASA 2025挑战赛中的比较 显示英文标题

标题： Comparison of End-to-end Speech Assessment Models for the NOCASA 2025 Challenge

Aleksei Žavoronkov, Tanel Alumäe

评论： 发表于IEEE MLSP 2025

主题： 计算与语言 (cs.CL) ; 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[17] arXiv:2509.03010 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 减轻自动口语评估中的数据不平衡 显示英文标题

标题： Mitigating Data Imbalance in Automated Speaking Assessment

Fong-Chun Tsai, Kuan-Tang Huang, Bi-Cheng Yan, Tien-Hong Lo, Berlin Chen

评论： 提交至APSIPA 2025

主题： 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[18] arXiv:2509.02859 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 语音DF竞技场：语音深度伪造检测模型的排行榜 显示英文标题

标题： Speech DF Arena: A Leaderboard for Speech DeepFake Detection Models

Sandipana Dowerah, Atharva Kulkarni, Ajinkya Kulkarni, Hoan My Tran, Joonas Kalda, Artem Fedorchenko, Benoit Fauve, Damien Lolive, Tanel Alumäe, Matthew Magimai Doss

主题： 声音 (cs.SD) ; 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[19] arXiv:2509.02830 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： SSVD：用于语音识别中领域偏移下的结构化奇异值分解参数高效微调和基准测试 显示英文标题

标题： SSVD: Structured SVD for Parameter-Efficient Fine-Tuning and Benchmarking under Domain Shift in ASR

Pu Wang, Shinji Watanabe, Hugo Van hamme

评论： 被IEEE ASRU 2025接受

主题： 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[20] arXiv:2509.02771 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 神经音频编解码器传输的说话人验证性能权衡分析 显示英文标题

标题： Analysis of Speaker Verification Performance Trade-offs with Neural Audio Codec Transmission

Nirmalya Mallick Thakur, Jia Qi Yip, Eng Siong Chng

评论： 被APSIPA ASC 2025接受

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

2025年09月03日， 星期三 (展示 46 之 46 条目 )

[21] arXiv:2509.01939 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 群体相对策略优化用于语音识别 显示英文标题

标题： Group Relative Policy Optimization for Speech Recognition

Prashanth Gurunath Shivakumar, Yile Gu, Ankur Gandhe, Ivan Bulyko

评论： 被ASRU 2025接受

主题： 音频与语音处理 (eess.AS)

[22] arXiv:2509.01929 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 双耳掩蔽在实际中的应用：环境噪声中相位反转语音的感知水平 显示英文标题

标题： Binaural Unmasking in Practical Use: Perceived Level of Phase-inverted Speech in Environmental Noise

Rina Kotani, Chiaki Miyazaki, Shiro Suzuki

主题： 音频与语音处理 (eess.AS)

[23] arXiv:2509.01900 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 多语言语音识别使用离散标记的两步训练策略 显示英文标题

标题： Multilingual Speech Recognition Using Discrete Tokens with a Two-step Training Strategy

Zehan Li, Yan Yang, Xueqing Li, Jian Kang, Xiao-Lei Zhang, Jie Li

评论： 被NCMMSC 2024接受

主题： 音频与语音处理 (eess.AS)

[24] arXiv:2509.01889 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 从评估到优化：面向下游应用的神经语音评估 显示英文标题

标题： From Evaluation to Optimization: Neural Speech Assessment for Downstream Applications

Yu Tsao

评论： 5页，1图

主题： 音频与语音处理 (eess.AS)

[25] arXiv:2509.01787 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： AHAMask：无需指令的大音频语言模型可靠任务规范 显示英文标题

标题： AHAMask: Reliable Task Specification for Large Audio Language Models without Instructions

Yiwei Guo, Bohan Li, Hankun Wang, Zhihan Li, Shuai Wang, Xie Chen, Kai Yu

评论： 15页，7表，6图

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 声音 (cs.SD)

[26] arXiv:2509.01419 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 澳大利亚原住民语言与高资源语言之间的语音相似性表征：以达拉瓦尔语为例 显示英文标题

标题： Characterization of Speech Similarity Between Australian Aboriginal and High-Resource Languages: A Case Study on Dharawal

Ting Dang, Trini Manoj Jeyaseelan, Eliathamby Ambikairajah, Vidhyasaharan Sethu

评论： 被APSIPA ASC 2025接受

主题： 音频与语音处理 (eess.AS)

[27] arXiv:2509.01391 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 混合G2P-T5：使用语音自监督学习和语言模型的多语种文本无G2P语音合成 显示英文标题

标题： MixedG2P-T5: G2P-free Speech Synthesis for Mixed-script texts using Speech Self-Supervised Learning and Language Model

Joonyong Park, Daisuke Saito, Nobuaki Minematsu

评论： 在第17届亚太信号与信息处理协会年度峰会和会议（APSIPA ASC 2025）论文集中

主题： 音频与语音处理 (eess.AS) ; 计算与语言 (cs.CL)

[28] arXiv:2509.01087 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 带有三阶段训练的噪声去纠缠方法用于噪声鲁棒的语音识别 显示英文标题

标题： Noisy Disentanglement with Tri-stage Training for Noise-Robust Speech Recognition

Shuangyuan Chen, Shuang Wei, Dongxing Xu, Yanhua Long

评论： 11页，4图

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[29] arXiv:2509.00685 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： MPO：基于语言模型的文本到语音的多维偏好优化 显示英文标题

标题： MPO: Multidimensional Preference Optimization for Language Model-based Text-to-Speech

Kangxiang Xia, Xinfa Zhu, Jixun Yao, Lei Xie

评论： 被NCMMSC2025接受

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[30] arXiv:2509.00675 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于音素级预训练语言模型的说话人条件短语断点预测用于文本到语音 显示英文标题

标题： Speaker-Conditioned Phrase Break Prediction for Text-to-Speech with Phoneme-Level Pre-trained Language Model

Dong Yang, Yuki Saito, Takaaki Saeki, Tomoki Koriyama, Wataru Nakata, Detai Xin, Hiroshi Saruwatari

评论： 正在审核中

主题： 音频与语音处理 (eess.AS)

[31] arXiv:2509.00400 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 深度学习用于个性化双耳音频再现 显示英文标题

标题： Deep Learning for Personalized Binaural Audio Reproduction

Xikun Lu, Yunda Chen, Zehua Chen, Jie Wang, Mingxing Liu, Hongmei Hu, Chengshi Zheng, Stefan Bleeck, Jinqiu Sang

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[32] arXiv:2509.00106 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 量子增强的语音表演分析与评分 显示英文标题

标题： Quantum-Enhanced Analysis and Grading of Vocal Performance

Rohan Agarwal

评论： 4页，5图。混合量子-经典可行性研究；仅模拟器结果

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[33] arXiv:2509.00094 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： 使用深度学习的《古兰经》学习者发音错误检测与纠正 显示英文标题

标题： Automatic Pronunciation Error Detection and Correction of the Holy Quran's Learners Using Deep Learning

Abdullah Abdelfattah, Mahmoud I. Khalil, Hazem Abbas

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[34] arXiv:2509.00078 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： ChipChat：MLX中的低延迟级联对话代理 显示英文标题

标题： ChipChat: Low-Latency Cascaded Conversational Agent in MLX

Tatiana Likhomanenko, Luke Carlson, Richard He Bai, Zijin Gu, Han Tran, Zakaria Aldeneh, Yizhe Zhang, Ruixiang Zhang, Huangjie Zheng, Navdeep Jaitly

评论： ASRU 2025

主题： 音频与语音处理 (eess.AS) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[35] arXiv:2509.00077 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 放大情感信号：用于稳健语音情感识别的数据高效深度学习 显示英文标题

标题： Amplifying Emotional Signals: Data-Efficient Deep Learning for Robust Speech Emotion Recognition

Tai Vu

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 计算与语言 (cs.CL) ; 声音 (cs.SD)

[36] arXiv:2509.00025 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： DeepEmoNet：构建用于人类言语中自动情感识别的机器学习模型 显示英文标题

标题： DeepEmoNet: Building Machine Learning Models for Automatic Emotion Recognition in Human Speeches

Tai Vu

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG)

[37] arXiv:2509.02398 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： TTA-Bench：评估文本到音频模型的全面基准 显示英文标题

标题： TTA-Bench: A Comprehensive Benchmark for Evaluating Text-to-Audio Models

Hui Wang, Cheng Liu, Junyang Chen, Haoze Liu, Yuhang Jia, Shiwan Zhao, Jiaming Zhou, Haoqin Sun, Hui Bu, Yong Qin

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[38] arXiv:2509.02244 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 频谱图块编解码器：用于神经语音编码的二维块量化VQ-VAE和HiFi-GAN 显示英文标题

标题： Spectrogram Patch Codec: A 2D Block-Quantized VQ-VAE and HiFi-GAN for Neural Speech Coding

Luis Felipe Chary, Miguel Arjona Ramirez

主题： 声音 (cs.SD) ; 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[39] arXiv:2509.02020 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： FireRedTTS-2：面向播客和聊天机器人的长对话语音生成 显示英文标题

标题： FireRedTTS-2: Towards Long Conversational Speech Generation for Podcast and Chatbot

Kun Xie, Feiyu Shen, Junjie Li, Fenglong Xie, Xu Tang, Yao Hu

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[40] arXiv:2509.01588 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 从混乱到和谐：基于分解协和的音频和弦估计训练方法 显示英文标题

标题： From Discord to Harmony: Decomposed Consonance-based Training for Improved Audio Chord Estimation

Andrea Poltronieri, Xavier Serra, Martín Rocamora

评论： 9页，3图，3表

期刊参考： 第26届国际音乐信息检索学会会议（ISMIR 2025），2025年9月21日至25日，韩国大田

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS)

[41] arXiv:2509.01401 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 阿拉伯情感网：一种用于鲁棒阿拉伯语语音情感识别的轻量级混合2D CNN-BiLSTM模型与注意力机制 显示英文标题

标题： ArabEmoNet: A Lightweight Hybrid 2D CNN-BiLSTM Model with Attention for Robust Arabic Speech Emotion Recognition

Ali Abouzeid, Bilal Elbouardi, Mohamed Maged, Shady Shehata

评论： 被接受（第三届阿拉伯自然语言处理会议）

主题： 声音 (cs.SD) ; 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[42] arXiv:2509.01399 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 舱室分离：基于掩码的MVDR实时车内语音分离方法，适用于分布式异构阵列 显示英文标题

标题： CabinSep: IR-Augmented Mask-Based MVDR for Real-Time In-Car Speech Separation with Distributed Heterogeneous Arrays

Runduo Han, Yanxin Hu, Yihui Fu, Zihan Zhang, Yukai Jv, Li Chen, Lei Xie

评论： 被Interspeech 2025接受

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 人机交互 (cs.HC) ; 音频与语音处理 (eess.AS)

[43] arXiv:2509.01390 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 分析神经音频编码器的语言 显示英文标题

标题： Analysing the Language of Neural Audio Codecs

Joonyong Park, Shinnosuke Takamichi, David M. Chan, Shunsuke Kando, Yuki Saito, Hiroshi Saruwatari

评论： 在2025年IEEE自动语音识别与理解研讨会（ASRU 2025）论文集中

主题： 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[44] arXiv:2509.01336 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： AudioMOS 挑战赛 2025 显示英文标题

标题： The AudioMOS Challenge 2025

Wen-Chin Huang, Hui Wang, Cheng Liu, Yi-Chiao Wu, Andros Tjandra, Wei-Ning Hsu, Erica Cooper, Yong Qin, Tomoki Toda

评论： IEEE ASRU 2025

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[45] arXiv:2509.01210 (交叉列表自 eess.SP) [中文pdf, pdf, html, 其他]

标题： 使用32x64超声波换能器-麦克风阵列的高密度MIMO定位技术及实时数据流 显示英文标题

标题： High-Density MIMO Localization Using a 32x64 Ultrasonic Transducer-Microphone Array with Real-Time Data Streaming

Rens Baeyens, Dennis Laurijssen, Jan Steckel, Walter Daems

评论： 已接受发表于IEEE IUS 2025

主题： 信号处理 (eess.SP) ; 音频与语音处理 (eess.AS)

[46] arXiv:2509.01200 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： SimulMEGA：MoE路由器是同时语音翻译的高级政策制定者 显示英文标题

标题： SimulMEGA: MoE Routers are Advanced Policy Makers for Simultaneous Speech Translation

Chenyang Le, Bing Han, Jinshun Li, Songyong Chen, Yanmin Qian

主题： 计算与语言 (cs.CL) ; 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[47] arXiv:2509.01153 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： EZhouNet：一种基于图神经网络和锚定区间的呼吸音事件检测框架 显示英文标题

标题： EZhouNet:A framework based on graph neural network and anchor interval for the respiratory sound event detection

Yun Chu, Qiuhao Wang, Enze Zhou, Qian Liu, Gang Zheng

期刊参考： 生物医学信号处理与控制 2026-02 | 期刊文章

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[48] arXiv:2509.00988 (交叉列表自 cs.SD) [中文pdf, pdf, 其他]

标题： 一种统一的去噪和适应框架用于自监督的孟加拉语方言自动语音识别 显示英文标题

标题： A Unified Denoising and Adaptation Framework for Self-Supervised Bengali Dialectal ASR

Swadhin Biswas, Imran, Tuhin Sheikh

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[49] arXiv:2509.00979 (交叉列表自 cs.ET) [中文pdf, pdf, html, 其他]

标题： 基于物联网的移动节点噪声监测用于智慧城市 显示英文标题

标题： IoT-based Noise Monitoring using Mobile Nodes for Smart Cities

Bhima Sankar Manthina (1), Shreyash Gujar (1), Sachin Chaudhari (1), Kavita Vemuri1 (1), Shivam Chhirolya (2) ((1) International Institute of Information Technology-Hyderabad (IIIT-H), India, (2) <a href="http://Prezent.AI" rel="external noopener nofollow" class="link-external link-http">this http URL</a>, India)

主题： 新兴技术 (cs.ET) ; 机器学习 (cs.LG) ; 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[50] arXiv:2509.00914 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： TinyMusician：基于知识蒸馏和混合精度量化的设备端音乐生成 显示英文标题

标题： TinyMusician: On-Device Music Generation with Knowledge Distillation and Mixed Precision Quantization

Hainan Wang, Mehdi Hosseinzadeh, Reza Rawassizadeh

评论： 12页正文内容，5幅图

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[51] arXiv:2509.00862 (交叉列表自 cs.SD) [中文pdf, pdf, 其他]

标题： 基于LogNNet的嵌入式系统语音命令识别 显示英文标题

标题： Speech Command Recognition Using LogNNet Reservoir Computing for Embedded Systems

Yuriy Izotov, Andrei Velichko

评论： 20页，6图

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[52] arXiv:2509.00839 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 基于BMCNN的自适应车辆速度分类方法，结合增强型声学处理的强化学习 显示英文标题

标题： Adaptive Vehicle Speed Classification via BMCNN with Reinforcement Learning-Enhanced Acoustic Processing

Yuli Zhang, Pengfei Fan, Ruiyuan Jiang, Hankang Gu, Dongyao Jia, Xinheng Wang

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[53] arXiv:2509.00813 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： AImoclips：一种用于评估文本到音乐生成中情感传达的基准 显示英文标题

标题： AImoclips: A Benchmark for Evaluating Emotion Conveyance in Text-to-Music Generation

Gyehun Go, Satbyul Han, Ahyeon Choi, Eunjin Choi, Juhan Nam, Jeong Mi Park

评论： 将发表于HCMIR25：第三届以人为中心的音乐信息研究研讨会

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[54] arXiv:2509.00683 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： PicoAudio2：基于自然语言描述的时序可控文本到音频生成 显示英文标题

标题： PicoAudio2: Temporal Controllable Text-to-Audio Generation with Natural Language Description

Zihao Zheng, Zeyu Xie, Xuenan Xu, Wen Wu, Chao Zhang, Mengyue Wu

评论： 演示页面：https://HiRookie9.github.io/PicoAudio2-Page

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[55] arXiv:2509.00654 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 无名称差距：音乐生成中的策略感知风格控制 显示英文标题

标题： The Name-Free Gap: Policy-Aware Stylistic Control in Music Generation

Ashwin Nagarajan, Hao-Wen Dong

评论： 10页，2图

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS)

[56] arXiv:2509.00589 (交叉列表自 cs.AR) [中文pdf, pdf, 其他]

标题： 基于FPGA和FFT核心的实时钢琴音符频率检测 显示英文标题

标题： Real-Time Piano Note Frequency Detection Using FPGA and FFT Core

Shafayet M. Anik, D.G. Perera

评论： 20页，11图

主题： 硬件架构 (cs.AR) ; 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[57] arXiv:2509.00503 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 基于熵的粗粒度和压缩语义语音表示学习 显示英文标题

标题： Entropy-based Coarse and Compressed Semantic Speech Representation Learning

Jialong Zuo, Guangyan Zhang, Minghui Fang, Shengpeng Ji, Xiaoqi Jiao, Jingyu Li, Yiwen Guo, Zhou Zhao

主题： 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[58] arXiv:2509.00405 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： SaD：一种场景感知的语音增强鉴别器 显示英文标题

标题： SaD: A Scenario-Aware Discriminator for Speech Enhancement

Xihao Yuan, Siqi Liu, Yan Chen, Hang Zhou, Chang Liu, Hanting Chen, Jie Hu

评论： 5页，2图。被InterSpeech 2025接收。

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[59] arXiv:2509.00318 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 通过增强的扩散学习实现高保真和可控的生物声学生成 显示英文标题

标题： Towards High-Fidelity and Controllable Bioacoustic Generation via Enhanced Diffusion Learning

Tianyu Song, Ton Viet Ta

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[60] arXiv:2509.00230 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 评估Transformer层在Wav2Vec 2.0、XLS-R和Whisper在说话人识别任务中的有效性 显示英文标题

标题： Evaluating the Effectiveness of Transformer Layers in Wav2Vec 2.0, XLS-R, and Whisper for Speaker Identification Tasks

Linus Stuhlmann, Michael Alexander Saxer

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[61] arXiv:2509.00221 (交叉列表自 cs.LG) [中文pdf, pdf, html, 其他]

标题： 语音基础模型从可穿戴传感器数据中推广到时间序列任务 显示英文标题

标题： Speech Foundation Models Generalize to Time Series Tasks from Wearable Sensor Data

Jaya Narain, Zakaria Aldeneh, Shirley Ren

评论： 预印本，正在审稿中

主题： 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[62] arXiv:2509.00186 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 使用非语义表示的可推广音频欺骗检测 显示英文标题

标题： Generalizable Audio Spoofing Detection using Non-Semantic Representations

Arnab Das, Yassine El Kheir, Carlos Franzreb, Tim Herzig, Tim Polzehl, Sebastian Möller

期刊参考： 国际语音通信会议2025，4553-4557

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[63] arXiv:2509.00132 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： CoComposer：LLM多智能体协作音乐创作 显示英文标题

标题： CoComposer: LLM Multi-agent Collaborative Music Composition

Peiwen Xing, Aske Plaat, Niki van Stein

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS)

[64] arXiv:2509.00120 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 协作协调算法 显示英文标题

标题： Algorithms for Collaborative Harmonization

Eyal Briman, Eyal Leizerovich, Nimrod Talmon

评论： 在第15届多学科偏好处理进展研讨会M-PREF 2024上发表，2024年10月20日，圣地亚哥德孔波斯特拉

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[65] arXiv:2509.00051 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 音乐生成的评估指标综述 显示英文标题

标题： A Survey on Evaluation Metrics for Music Generation

Faria Binte Kader, Santu Karmaker

评论： 19页，2图

主题： 声音 (cs.SD) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS)

[66] arXiv:2509.00029 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 从声音到视觉：迈向人工智能创作的音乐视频 显示英文标题

标题： From Sound to Sight: Towards AI-authored Music Videos

Leo Vitasovic, Stella Graßhof, Agnes Mercedes Kloft, Ville V. Lehtola, Martin Cunneen, Justyna Starostka, Glenn McGarry, Kun Li, Sami S. Brandt

评论： 第一届生成式人工智能故事创作研讨会（AISTORY），2025年

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS)

2025年09月01日， 星期一 (展示 7 之 7 条目 )

[67] arXiv:2508.21631 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 通过优化合成数据生成提高语音识别性能 显示英文标题

标题： Towards Improved Speech Recognition through Optimized Synthetic Data Generation

Yanis Perrin, Gilles Boulianne

评论： 12页，3图

主题： 音频与语音处理 (eess.AS)

[68] arXiv:2508.21470 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 数据驱动方法在声学信号检测、过滤和转换中的基础 显示英文标题

标题： Fundamentals of Data-Driven Approaches to Acoustic Signal Detection, Filtering, and Transformation

Chao Pan

主题： 音频与语音处理 (eess.AS)

[69] arXiv:2508.21347 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于 Cochleagram 的噪声适应说话人识别系统用于失真语音 显示英文标题

标题： Cochleagram-based Noise Adapted Speaker Identification System for Distorted Speech

Sabbir Ahmed, Nursadul Mamun, Md Azad Hossain

评论： 10页，10图，4表

主题： 音频与语音处理 (eess.AS)

[70] arXiv:2508.21248 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于SSL模型的分层特征的儿童语音零样本关键词搜索 显示英文标题

标题： Zero-Shot KWS for Children's Speech using Layer-Wise Features from SSL Models

Subham Kutum, Abhijit Sinha, Hemant Kumar Kathania, Sudarsana Reddy Kadiri, Mahesh Chandra Govil

评论： 已接受

期刊参考： 模式识别 letters 2025

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 人机交互 (cs.HC) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[71] arXiv:2508.21225 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 可以分层SSL特征提升儿童语音的零样本ASR性能吗？ 显示英文标题

标题： Can Layer-wise SSL Features Improve Zero-Shot ASR Performance for Children's Speech?

Abhijit Sinha, Hemant Kumar Kathania, Sudarsana Reddy Kadiri, Shrikanth Narayanan

评论： 已接受

期刊参考： IEEE 信号处理快报 2025

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[72] arXiv:2508.21193 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 在魁北克法语语音识别中对大型预训练多语言模型的基准测试 显示英文标题

标题： Benchmarking Large Pretrained Multilingual Models on Québec French Speech Recognition

Coralie Serrand, Gilles Boulianne, Amira Morsli

评论： 11页，3图

主题： 音频与语音处理 (eess.AS)

[73] arXiv:2508.21153 (交叉列表自 cs.SD) [中文pdf, pdf, 其他]

标题： WaveLLDM：一种轻量级潜在扩散模型的设计与开发用于语音增强与恢复 显示英文标题

标题： WaveLLDM: Design and Development of a Lightweight Latent Diffusion Model for Speech Enhancement and Restoration

Kevin Putra Santoso, Rizka Wakhidatus Sholikah, Raden Venantius Hari Ginardi

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

2025年08月29日， 星期五 (展示 13 之 13 条目 )

[74] arXiv:2508.20983 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 多语言数据集集成策略用于鲁棒音频深度伪造检测：SAFE挑战系统 显示英文标题

标题： Multilingual Dataset Integration Strategies for Robust Audio Deepfake Detection: A SAFE Challenge System

Hashim Ali, Surya Subramani, Lekha Bollinani, Nithin Sai Adupa, Sali El-Loh, Hafiz Malik

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG)

[75] arXiv:2508.20870 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于电动转辙机开关声音的自动检测 显示英文标题

标题： Automatic Inspection Based on Switch Sounds of Electric Point Machines

Ayano Shibata, Toshiki Gunji, Mitsuaki Tsuda, Takashi Endo, Kota Dohi, Tomoya Nishida, Satoko Nomoto

评论： 被ASPECT 2025接收

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[76] arXiv:2508.20859 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 利用判别潜在表示进行条件生成对抗网络语音增强 显示英文标题

标题： Leveraging Discriminative Latent Representations for Conditioning GAN-Based Speech Enhancement

Shrishti Saha Shetu, Emanuël A. P. Habets, Andreas Brendel

评论： 该手稿已提交至IEEE语音、音频和语言处理汇刊

主题： 音频与语音处理 (eess.AS)

[77] arXiv:2508.20782 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于超宽带的高分辨率无损音频传输的解决方案 显示英文标题

标题： A Solution of Ultra Wideband Based High-resolution and Lossless Audio Transmission

Fengyun Zhang

评论： 5页

主题： 音频与语音处理 (eess.AS)

[78] arXiv:2508.20732 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于预训练音频模型的在线增量学习用于音频分类 显示英文标题

标题： Online incremental learning for audio classification using a pretrained audio model

Manjunath Mulimani, Annamaria Mesaros

评论： 被接受至IEEE信号处理在音频和声学中的应用研讨会（WASPAA）2025

主题： 音频与语音处理 (eess.AS)

[79] arXiv:2508.20703 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于音频文本模型和异构时间标注的声音事件检测 显示英文标题

标题： Sound event detection with audio-text models and heterogeneous temporal annotations

Manu Harju, Annamaria Mesaros

评论： 被接受至IEEE语音与音频处理应用研讨会（WASPAA）2025

主题： 音频与语音处理 (eess.AS)

[80] arXiv:2508.20660 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： CodecBench：一个用于声学和语义评估的全面基准 显示英文标题

标题： CodecBench: A Comprehensive Benchmark for Acoustic and Semantic Evaluation

Ruifan Deng, Yitian Gong, Qinghui Gao, Luozhijie Jin, Qinyuan Cheng, Zhaoye Fei, Shimin Li, Xipeng Qiu

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[81] arXiv:2508.20474 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 多说话人编码器的说话人分离、分离和ASR统一 显示英文标题

标题： Unifying Diarization, Separation, and ASR with Multi-Speaker Encoder

Muhammad Shakeel, Yui Sudo, Yifan Peng, Chyi-Jiunn Lin, Shinji Watanabe

评论： 被IEEE ASRU 2025接收

主题： 音频与语音处理 (eess.AS) ; 计算与语言 (cs.CL) ; 声音 (cs.SD)

[82] arXiv:2508.20273 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 从K-pop表演中实时提取人声 显示英文标题

标题： Live Vocal Extraction from K-pop Performances

Yujin Kim, Richa Namballa, Magdalena Fuentes

评论： 2页+参考文献，1图，第26届国际音乐信息检索学会晚期演示会议的扩展摘要

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[83] arXiv:2508.20976 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： WoW-Bench：通过海洋哺乳动物叫声评估音频-语言模型中的细粒度声学感知 显示英文标题

标题： WoW-Bench: Evaluating Fine-Grained Acoustic Perception in Audio-Language Models via Marine Mammal Vocalizations

Jaeyeon Kim, Heeseung Yun, Sang Hoon Woo, Chao-Han Huck Yang, Gunhee Kim

评论： 预印本。项目页面：https://jaeyeonkim99.github.io/wow_bench/

主题： 声音 (cs.SD) ; 人工智能 (cs.AI) ; 音频与语音处理 (eess.AS)

[84] arXiv:2508.20914 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 通过特征蒸馏从双耳音频中学习鲁棒的空间表示 显示英文标题

标题： Learning Robust Spatial Representations from Binaural Audio through Feature Distillation

Holger Severin Bovbjerg (1), Jan Østergaard (1), Jesper Jensen (1, 2), Shinji Watanabe (3), Zheng-Hua Tan ((1) Aalborg University (2) Eriksholm Research Centre, (3) Carnegie Mellon University)

评论： 将出现在2025年10月12日至15日在美国太浩举行的WASPAA会议论文集上。版权所有（c）2025 IEEE。5页，2图，2表。

主题： 声音 (cs.SD) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[85] arXiv:2508.20869 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： OLMoASR：用于训练鲁棒语音识别模型的开放模型和数据 显示英文标题

标题： OLMoASR: Open Models and Data for Training Robust Speech Recognition Models

Huong Ngo, Matt Deitke, Martijn Bartelds, Sarah Pratt, Josh Gardner, Matt Jordan, Ludwig Schmidt

评论： 17页，7图

主题： 声音 (cs.SD) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[86] arXiv:2508.20476 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 面向包容性交流：一种统一的基于大语言模型的手语、唇部运动和音频理解框架 显示英文标题

标题： Towards Inclusive Communication: A Unified LLM-Based Framework for Sign Language, Lip Movements, and Audio Understanding

Jeong Hun Yeo, Hyeongseop Rha, Sungjune Park, Junil Won, Yong Man Ro

评论： 代码可在以下地址获得：https://github.com/JeongHun0716/UniSLA

主题： 计算机视觉与模式识别 (cs.CV) ; 多媒体 (cs.MM) ; 音频与语音处理 (eess.AS) ; 图像与视频处理 (eess.IV)