发布于 2026-10-02 12:00
可解释的目标感知合成器调制恢复方法
研究提出一种可解释的目标感知调制与波形恢复流程，先识别被调制目标，再恢复各目标对应的 LFO 波形并估计振荡器波形以匹配源音色。训练采用含噪声振荡器和更多调制选项的可微合成器，并探索感知损失与对抗训练。客观与主观评测显示，正确预测调制目标是关键，其 Gammatone 损失与 CQT 判别器在感知质量上显著优于传统 MSS 损失。
#音频
#音频
今日 3 条arXiv eess.AS RSS arXiv eess.AS RSS 发布于 2026-10-02 12:00频域加权软约束空间选择性主动降噪用于开放式耳机
论文将软约束空间选择性主动降噪（SSANC）从全频段标量权衡参数推广为频域加权期望语音保留误差，同时保持低延迟时域主动控制。研究基于实测声学脉冲响应，在多说话人场景下比较了基于 SII、MIRS、LTASS 和信号相关 oracle 的频域加权与标量加权。
arXiv cs.SD RSS 发布于 2026-10-02 12:00PLACE：基于条件嵌入的位置潜在适配用于双耳音频生成
PLACE 通过条件嵌入的位置潜在适配方法，扩展预训练任意到音频模型 AudioX，实现由文本、视频及可选音频提示组合生成双耳音频。该方法用 Perception Encoder Core 特征增强视频条件，对齐文本与视频表示以提取空间线索，并对生成潜在施加条件相关低秩变换，以解码音频的双耳声级差与时间差为目标监督适配器。
arXiv eess.AS RSS 发布于 2026-10-01 12:00Bin2Ambi：利用头部追踪双耳音频学习 Ambisonics 声场重建
研究提出并定义新任务 Bin2Ambi，即从双耳音频转换到 Ambisonics 声场。系统利用智能耳机运动传感器同步采集的头部追踪数据，缓解双耳音频前后定位模糊与混淆锥侧向误差带来的方向不确定性。客观指标与主观听音测试显示，转换后的 Ambisonics 声场平均方向误差最高约 11.8°，感知空间质量接近 DirAC 基准模型。
arXiv cs.SD RSS 发布于 2026-10-01 12:00Audible World Models：为 3D 世界生成空间感知音效
Audible World Models 提出一种免训练框架，将声音纳入生成的世界状态。系统从文本提示构建全景 3D 代理，分离语义层，识别发声前景物体与环境背景区域，为每个声音标签合成干音频，再将其锚定到重建几何体，并利用几何声学传播渲染随听者位置变化的空间音频。在 80 个生成场景上的实验显示，其空间一致性优于文本、视频和全景条件基线，同时保持有竞争力的语义对齐。
DPA Microphones 发布于 2026-09-30 08:00Andreas Adelhofer 谈巡演中使用 DPA 麦克风与 N-Series
小提琴家 Nigel Kennedy 的制作经理兼音响工程师 Andreas Adelhofer 在近期约 40 场英国巡演中选用 DPA 麦克风，以保证从最弱段落到最强峰值、从钢琴到低音提琴的拾音保持中性干净。他表示 N-Series 数字无线系统将同样的清晰度带入无线传输，调谐范围 470–870 MHz，可充电电池每次充电约 13 小时。
IOA 综合新闻 发布于 2026-09-30 08:00中国科学院老科协声学所分会举办2026年度"智能化趋势下的新电声技术"学术沙龙
2026年9月29日，中国科学院老科协声学所分会在声学所举办"智能化趋势下的新电声技术"学术沙龙，声学所副所长杨军作主旨报告。报告介绍声学技术与人工智能、数字信号处理融合趋势，围绕有源噪声控制、个人音频系统与局部声场重建，结合车载降噪、分区聆听、参量阵定向发声等实例阐述，并现场演示聚音屏定向声和免佩戴耳机虚拟环绕声效果。与会人员就双耳听觉、定向声束、声纹识别、助听设备适配等议题研讨。
AssemblyAI Blog 发布于 2026-09-30 08:002026 年 Python 音频处理库推荐：从 soundfile 到 torchaudio 的现状与语音转文字 API 的适用时机
AssemblyAI 更新了 2026 年 Python 音频处理库清单，指出 Python 3.13 已移除 audioop 模块，导致 pydub 多数操作报错。