变分分解自编码（VDA）提升潜表征解耦质量
研究者提出变分分解自编码（VDA，Variational Decomposition Autoencoding）框架，并实例化为仅含编码器的变分分解自编码器（DecVAE，Variational Decomposition Autoencoder），在分布层面做潜自编码以学习对齐时频特征的多个潜子空间。
#语音
arXiv · cs.AI模型评分3333 arXiv · cs.AI模型评分3131 受生物启发的符号二进编码：PG 用于中文关键词识别
研究者提出预测式符号二进编码（PG，Predictive Signed-Dyadic Coding），为每个输入通道维护本地预测，仅在残差超过学习阈值时发送带符号和 2 的幂次幅值的事件，接收端用定点移位与加法重建。
arXiv · cs.AI模型评分4444 TAPE：从参考音频学习通用音效表示
TAPE（Transformations of Audio Parameter Embeddings）仅凭处理后的参考音频即可估计其信号处理链，并把参数迁移到另一段未处理录音上。
arXiv · cs.AI模型评分3232 Nedimo：一个基于证据的多语言 人工智能（AI，Artificial Intelligence） 助眠故事生成与旁白流水线
Nedimo 是一个多语言助眠故事生成与旁白流水线，将确定性规划与大语言模型生成分离，并用四阶段注意力递减塑造脚本。它通过结构校验、有界重试和发布门禁控制响度与真峰值，产品数据只把停止、重播、提前放弃等视为模糊行为代理而非临床结果。研究未声称临床疗效，仅将其定位为放松与注意力支持工具。
arXiv · cs.AI模型评分4444 音频大语言模型多模态语音情感识别的不一致感知评估
研究提出一种无需阈值的连续“不一致分数”，用双分量高斯混合把文本与音频在效价-唤醒-支配空间中的距离量化，并用人类判断验证。在 eNTERFACE'05、MELD 和 CMU-MOSEI 三个语料上评估三款音频能力模型后发现，只要音频存在，不一致就会提高出错几率，而同样特征训练的监督分类器表现相反。代码、数据表和提示词已公开。
Google DeepMind精选模型评分7272 Google DeepMind 发布世界模型 Genie 4，原生生成音频并支持实时交互
Google DeepMind 发布世界模型 Genie 4，可实时生成画面与原生音频，并支持用自然语言在模拟过程中修改天气、镜头和人物。该模型引入实时交互对话，角色能对用户输入即时回应；Gemini 3.8 Flash 在循环中充当引导智能体，把目标拆成步骤并检查每帧进度。
推荐理由：官方同时给出四项能力变化和已知局限，读者可据此判断实时世界模型目前能做什么、还差在哪。