Synthetic Speech, Real Signal: Paralinguistic Preservation and Cross-Lingual Augmentation via Voice Cloning（在新窗口打开）
基准八种语音克隆在副语言任务上的信号保留，英日克隆增强日语临床检测。
- 在五个副语言任务上评估八种 voice cloning
- 多数克隆在可懂度/相似度外仍保留副语言信息
- 克隆英临床语音训练优于直接跨语言迁移日语检测
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2026-07-27 周一共 3 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 1 · 基础模型 0
- 生成
- 文生图 0图编辑 1视频生成 03D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 0
- 世界模型与具身
- 世界模型 0具身智能 0
- 理解
- VLM 1OCR 0
- 音频
- 音频 1
- 基础模型
- LLM 0统一多模态 0
这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。
共 3 篇
InnoText: A Unified Model for Visual Text Generation and Editing（在新窗口打开）
统一 DiT 单模型完成视觉文本生成与编辑，并配套中英视觉文本数据集。
- 单模型统一视觉文本生成与编辑的 DiT 框架
- FSAM、小字感知增强与任务区域加权损失
- 多字体字号背景的中英视觉文本数据集
SiPhy: Single-Image Physical Property Reasoning（在新窗口打开）
单张 RGB 图融合深度与 VLM 材料知识，推理质量刚度等物理属性。
- 单图物理属性推理统一框架
- 伪体素采样、VLM 材料 grounding 与部件对比聚合
- 多数据集单图性能优于多视图重建类方法
没有符合条件的论文。