该研究提出了一种新方法AnCoGen，通过掩码自编码器分析、控制和生成语音信号，实现对说话者身份和音高等属性的精确控制，效果显著。

本研究提出了MAJL框架，以解决音乐源分离和音高估计中的数据不足问题。通过双阶段训练和动态加权，MAJL显著提升了这两个任务的性能，超越了现有方法。

该研究提出了MelodyGLM，一个多任务预训练框架，能够生成具有长期结构的旋律。通过使用melodic n-gram和长跨度抽样策略，构建了一个包含40万旋律片段的数据集。评估结果表明，MelodyGLM在旋律质量上显著优于传统方法，接近人类创作水平。

Timbre-Trap是一个新型框架，通过利用音高和音色之间的强分离性，将音乐转录和音频重建相统一。该框架的性能可与最先进的无特定乐器转录方法相媲美，而只需要少量的带注释数据。

该文章介绍了一种增强预训练文本转音频模型可控性的新方法，通过添加额外条件实现精细控制音频的时间顺序、音高和能量。作者使用可训练的控制条件编码器和融合网络来实现这一目标，实验结果表明该模型成功生成了可控的音频。

本研究介绍了一种基于华文的 MDD（Mispronunciation Detection and Diagnosis）系统，采用无状态的 RNN-T 模型，利用带音高嵌入的 HuBERT 特征通过音高融合块进行训练，该模型仅使用母语人士的数据，在非母语场景中，其在电话错误率上表现出 3％的改进和假接受率上的 7％增加，优于现有技术基准。

HyperGANStrument通过引入超网络提高了GANStrument生成器的重建能力，通过敌对微调改善了重建准确性和多样性，增强了生成能力，提高了生成音频的可编辑性。

该研究使用变分自编码器对音乐语料库进行训练，以定义音高和音乐认知中的关键组件之间的等级关系。结果表明，音高离散傅里叶变换的潜空间最好地与认知空间对齐，并提供了一个包含模糊聚类的共同音空间，其中关键字内重叠的对象强加了一种良好定义的结构重要性或稳定性的顺序。不同关键的音调层次结构可以用来测量关键的距离及其音符和和弦在多个层次上的关系。

该文介绍了一种增强预训练文本转音频模型可控性的新方法，通过时间戳、语调曲线和能量曲线等额外条件实现对生成音频的时间顺序、音高和能量的精细控制。作者整合了现有数据集，使用评估指标评估可控性能，实验结果表明该模型成功实现了细粒度控制，实现了可控的音频生成。

该文介绍了一种增强预训练文本转音频模型可控性的新方法，通过时间戳、语调曲线和能量曲线等额外条件实现对生成音频的时间顺序、音高和能量的精细控制。作者整合了现有数据集，使用评估指标评估可控性能，实验结果表明该模型成功实现了细粒度控制，实现了可控的音频生成。

该研究使用Google的MusicVAE探究了音乐神经元的编码方式，发现音高和节奏信息编码在最开始的几个神经元中，旋律概念则在较长的序列中出现独立的神经元中。

该文介绍了一种增强预训练文本转音频模型可控性的新模型，通过时间戳、语调曲线和能量曲线等额外条件实现对生成音频的时间顺序、音高和能量的精细控制。作者整合数据集，使用评估指标评估可控性能，实验结果表明该模型成功实现了细粒度控制，实现了可控的音频生成。

本文介绍了微调技术，用于提高自动语音识别系统对非标准语音的识别准确性，特别是针对肌萎缩侧索硬化症患者的言语和带口音的言语。通过训练个性化模型，相对于标准语音，相对词错误率能提高62％和35％，仅五分钟的训练就能带来71％的提升。微调部分层的结果往往比微调整个模型更好，是构建肌无力性言语最先进的自动语音识别模型的第一步。

该文介绍了一种通过添加额外条件增强预训练文本转音频模型可控性的新模型。作者整合数据集并使用评估指标评估模型性能，结果表明该模型成功实现了细粒度控制和可控的音频生成。

本研究介绍了一种专为从人类歌唱声音中提取音高而设计的卷积神经网络PitchNet。通过融合自相关和深度学习技术，PitchNet旨在提高音高检测的准确性。通过对不同数据集的评估，证明了其有效性。这项工作为音乐和语音环境中的音高提取提供了新的方法。