图书信息
内容简介
对 arXiv eess.AS 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 132 篇论文 的细读整理，组织为 37 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 通用音频事件检测与分离 (41.9%) — 聚焦复杂真实声学场景中的稳健声音分类、源分离与检测。
- 自动语音识别与数据生成 (25.4%) — 处理语音识别挑战，包括零样本适配、多语言数据合成与低延迟对话系统。
- 稳健文本转语音与音频增强 (8.3%) — 通过噪声鲁棒性、情感控制与对抗防御，改进生成式语音合成与增强。
- 实时口语对话与深度伪造检测 (8.0%) — 发展端到端口语交互流程、流式识别，以及合成或深度伪造语音的检测。
- 多模态音视频表示学习 (4.5%) — 探索用于稳健识别与生成任务的音视频融合、对齐与编码。
- 语音质量评估与评价指标 (3.9%) — 确立感知语音质量、MOS 预测与自动口语评测的基准与指标。
- 离散与连续语音令牌建模 (3.7%) — 研究神经编解码器、离散令牌表示与连续压缩，用于高效语音建模。
- 自监督语音表示学习 (1.9%) — 推进自监督学习技术，从音频数据中提取丰富、稳健的表示。
- 音乐生成与音频效果合成 (1.4%) — 涵盖 AI 辅助音乐制作、音源复原与音乐音频的潜空间操控。
- 大型音频-语言模型与推理 (0.9%) — 考察大型音频-语言模型中的推理能力、评估框架与安全问题。
- 专门音频分类与水印 (0.1%) — 处理少样本增量分类、多位水印与基于扩散的语音识别解码等细分任务。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
