圖書信息
內容簡介
對 arXiv eess.AS 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 132 篇論文 的細讀整理，組織為 37 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 通用音頻事件檢測與分離 (41.9%) — 聚焦複雜真實聲學場景中的穩健聲音分類、源分離與檢測。
- 自動語音識別與數據生成 (25.4%) — 處理語音識別挑戰，包括零樣本適配、多語言數據合成與低延遲對話系統。
- 穩健文本轉語音與音頻增強 (8.3%) — 通過噪聲魯棒性、情感控制與對抗防禦，改進生成式語音合成與增強。
- 實時口語對話與深度偽造檢測 (8.0%) — 發展端到端口語交互流程、流式識別，以及合成或深度偽造語音的檢測。
- 多模態音視頻表示學習 (4.5%) — 探索用於穩健識別與生成任務的音視頻融合、對齊與編碼。
- 語音質量評估與評價指標 (3.9%) — 確立感知語音質量、MOS 預測與自動口語評測的基準與指標。
- 離散與連續語音令牌建模 (3.7%) — 研究神經編解碼器、離散令牌表示與連續壓縮，用於高效語音建模。
- 自監督語音表示學習 (1.9%) — 推進自監督學習技術，從音頻數據中提取豐富、穩健的表示。
- 音樂生成與音頻效果合成 (1.4%) — 涵蓋 AI 輔助音樂製作、音源復原與音樂音頻的潛空間操控。
- 大型音頻-語言模型與推理 (0.9%) — 考察大型音頻-語言模型中的推理能力、評估框架與安全問題。
- 專門音頻分類與水印 (0.1%) — 處理少樣本增量分類、多位水印與基於擴散的語音識別解碼等細分任務。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
