跨采集条件仍能判准吗：用迭代对抗自训练把源域边界搬向目标域

英文题目：Robust Cross-Domain Speech-Based Alzheimer’s Disease Detection via Iterative Adversarial Self-Training

标签：#病理语音评估 | #领域适应 | #语音 | #鲁棒性 | #语音生物标志物

评分：6.5/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 0.6/1.5 | 清晰度 0.7/1 | 影响力 0.6/1.5 | 开源 1.2/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5

👥 作者与机构

• Luqi Sun：Johns Hopkins University；Baltimore, USA
• Shreeram Suresh Chandra：Johns Hopkins University；Baltimore, USA
• Aurosweta Mahapatra：Johns Hopkins University；Baltimore, USA
• Emily Mower Provost：University of Michigan；Ann Arbor, USA
• Brian MacWhinney：Carnegie Mellon University；Pittsburgh, USA
• Berrak Sisman：Johns Hopkins University；Baltimore, USA

📌 核心摘要

本文处理以自发语音预测阿尔茨海默病状态的跨域泛化问题，输入为Cookie Theft图片描述录音，输出为阿尔茨海默病与健康对照二分类，难点是单域训练易依赖录音环境伪影而在新采集条件下失效。方法链分为三步：先用源域标注训练分类器并引入域判别器做对抗对齐以缩小特征分布差，其对齐后输出进入伪标签生成环节筛选高置信目标样本，再将伪标签样本与源域数据混合重新做对抗训练并循环迭代。相比单次域对抗训练缺乏目标类监督、单次自训练依赖初始质量的割裂做法，该交替机制让对齐改善伪标签质量而伪标签又校正决策边界。在Pitt语料库到Lu语料库的冻结XLSR设置下，目标域准确率从58.11%提升至87.50%，F1达到0.8750，显示实质泛化收益。结论仅在英语图片描述任务和两个源域与一个小规模目标域上验证，未覆盖多语言与真实临床异质性。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 代码相关资源：https://sleepwalker554.github.io/IAST_website/ — 链接可访问（HTTP 200）

• 模型相关资源：https://sleepwalker554.github.io/IAST_website/ — 链接可访问（HTTP 200）

可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么：要解决的跨域检测任务是什么？

本文的输入是这次解读的论文原文与官方原图像素，目标是让刚进入语音与健康方向的研究生能核对实验条件并复述方法。必须保留的信息包括数据集构成、源域与目标域划分、3 种模型的输入与训练设置、域对抗训练与自训练的组合方式、评估指标与重复策略，以及跨域准确率的关键数字与代价。输出是 1 篇按学习依赖展开的技术解读，不做超出证据的临床承诺。

论文研究的任务是基于语音的阿尔茨海默病两类分类。白话说，就是听一段看图说话的录音，判断说话人更像患者还是健康对照。英文是 Alzheimer’s disease detection，缩写为 AD 检测；健康对照是 healthy controls，缩写为 HC。所有语音都来自曲奇盗窃图片描述任务，英文是 Cookie Theft picture description task。这类任务能诱发自发语音，停顿、迟疑与描述策略被认为与认知损伤有关，因此被广泛用于评估。

跨域是本文的中心矛盾。白话说，训练录音和实际测试录音往往不是同一批设备、同一房间、同一招募流程录的。英文是 cross-domain，源域是 source domain，目标域是 target domain。如果模型记住了源域的录音痕迹而非疾病线索，换到新条件就会掉点。论文引用了前人只用静音段仍能在同一数据集上取得很高精度的现象，提示存在取巧效应，英文是 Clever Hans effect。也就是说，模型可能在利用环境伪影，而不是临床有意义的语音线索。

已有路线走到哪里：为何还要做无监督域适应？

在已有方法一侧，早期多用支持向量机与随机森林等传统机器学习。近年深度学习成为主流，包括端到端语音识别框架、分层无注意力 Transformer、结合不流利 paralinguistic 特征的集成，以及用大语言模型从转写文本抽语义特征等。同期还有 ADReSS、ADReSSo、ADReSS-M 和 PROCESS 等挑战，推动了单数据集内的高精度。论文的判断是，这些工作证明了匹配条件下的可行性，但没有解决换条件后的鲁棒性。

在数据集一侧，论文使用 3 个英文语音数据集。它们都通过 DementiaBank 获得，都包含曲奇盗窃任务录音。Pitt 语料是使用最广的基准，ADReSS 是年龄性别均衡的挑战数据，Lu 语料是在不同录音条件下采集的英文自发语音，因此适合做跨域评测。论文明确把 Pitt 和 ADReSS 当作两个可选源域，把 Lu 当作所有实验的目标域。

在表示一侧，自监督语音表示被视为跨说话人与录音条件的候选。白话说，就是先在大规模无标注语音上预训练，再把学到的嵌入拿来做下游分类。英文是 self-supervised speech representation learning。本文用的 XLSR 是在大规模多语种无标注语音上预训练的模型，英文全称相关表述为 XLS-R。论文的思路不是再设计全新分类器，而是比较不同表示能力下的域偏移影响，并检验同一种无监督域适应是否广泛有效。无监督域适应的英文是 unsupervised domain adaptation，缩写为 UDA，含义是在没有目标域诊断标签时利用无标注目标语音做适应。

问题如何形式化：源域有标签、目标域有什么？

把一个样本走完有助于建立全局图。取一条目标域的 Lu 录音，模型最终要输出 AD 或 HC。训练时能用的监督只有源域标签，例如 Pitt 或 ADReSS 的诊断标签。目标域适配子集只有波形，没有诊断标签，只能用于域对齐或伪标签生成。评测时用留出的目标域子集计算准确率与 F1，把 AD 当作正类。

论文设置了基线与 3 种适应策略。基线是只用源域训练，直接在目标留出集上测试。3 种策略分别是域对抗训练、 自训练与本文提出的迭代对抗自训练。英文分别是 Domain Adversarial Training、Self-Training 和 Iterative Adversarial Self-Training，缩写为 DAT、ST 和 IAST。公平比较的关键是源域训练数据、目标域无标注适配数据与目标留出评测数据的划分固定，适应方法在同一源到目标协议下评测。

需要提前说明的误解是，跨域掉点不等于模型完全无效。论文报告的最大降幅达到 30% 多，但不同模型与源域组合的掉点幅度不同。手工特征与冻结表示、微调表示的行为也不一致，因此后文要按模型分别核对数字，而不是用一句话概括所有设置。

方法全景：三种模型与三种适应策略如何分工？

论文先搭 3 种检测模型，再在它们之上施加相同的适应策略。3 种模型的表示能力递增，从手工声学特征，到冻结的预训练嵌入，再到任务微调后的嵌入。这种设计的教学价值在于分离两个问题：表示本身有多强，以及适应策略能补多少。

适应策略的分工也不同。DAT 负责拉近源域与目标域的特征分布，但分类边界仍只由源域驱动。ST 负责从目标域挖类别信息，但依赖初始模型在目标域足够准。IAST 的想法是交替执行两者，用对齐改善伪标签质量，再用更好的伪标签把边界推向目标分布，形成互相促进的循环。

下图是 3 种检测模型的结构总览，左中右分别对应手工特征、冻结 XLSR 与微调 XLSR。阅读时先看输入如何变成定长话语向量，再看分类头是否相同，这对理解后文公平比较很重要。

看图路径： 1. 沿最左侧从输入音频到切分到 OpenSMILE 再到投影与池化的主链走一遍；2. 对比中间冻结 XLSR 与右侧只更新最后三层 Transformer 的标注差异；3. 确认三条链在注意力池化加线性层预测处结构相同

论文图 1。原论文 Figure 1:：“Model architectures: (a) eGeMAPS-based model, (b) frozen-parameter XLSR-based model, and (c) fine-tuned XLSR-based model.”。

图中左侧把输入音频先切成若干段，再经 OpenSMILE 工具包抽 eGeMAPS 特征，经过特征投影与注意力池化后接线性层预测。中间把输入统一到固定时长后送入冻结的 XLSR 得到嵌入，再经多层降维投影与带掩码的注意力池化后预测。右侧与中间的分类头相同，区别是 XLSR 中最后 3 个 Transformer 层可更新，其余层冻结。像素可见的共同点是 3 条链都收敛到注意力池化加线性层的输出结构，差异集中在表示来自手工提取还是预训练模型、预训练参数是否可动。

组件如何计算：从波形到一句话向量经历了什么？

先看 eGeMAPS 分支。每条输入先被分成 10 个等长片段，然后用 OpenSMILE 提取每段 25 维 eGeMAPS 声学特征，于是每条样本变成形状为 10 乘 25 的时间特征张量。接着两层线性层重映射特征维，中间用批归一化、ReLU 与 Dropout 稳定训练。再用注意力池化沿 10 段时间加权聚合，最后线性分类层输出 AD 预测。

再看冻结参数的 XLSR 分支。音频先截断或补齐到固定 60 秒，再送入参数冻结的预训练 XLS-R 抽帧级嵌入。嵌入经过 5 个线性层逐级降维，每层后接批归一化与 ReLU，再送入注意力池化做时间聚合。这里引入掩码机制标记填充时间步，确保填充不进入池化表示，最后线性层输出预测。

微调分支的分类头与冻结分支完全相同，区别只在编码器。微调时为缓解灾难性遗忘与过拟合，只更新最后 3 个 Transformer 层，其余层保持冻结。白话说，灾难性遗忘是指新任务训练冲掉预训练已学知识的风险；只动顶层是一种保守更新，让模型更贴合 AD 任务又不至于大改底层语音表示。

域对抗训练 × 域判别器： 域对抗训练的分工是通过特征提取器骗过域判别器，让源域和目标域特征难以区分；域判别器的分工是尽力判断特征来自哪个数据集。两者搭配的理由是只用源域标签做分类会保留采集痕迹，对抗迫使表示丢掉域信息；组合意义是得到更域不变的初始表示，为后续伪标签提供更稳的起点。

自训练 × 伪标签： 自训练的分工是把模型对无标注目标域的高置信预测当作临时监督，反复加入训练；伪标签的分工是提供目标域类别信息，弥补对抗训练看不到目标标签的短板。搭配理由是目标域决策边界必须靠目标样本来校正；组合意义是让边界逐步向目标分布移动，但前提是初始伪标签足够准，否则会累积错误。

XLSR 表示 × eGeMAPS 特征： XLSR 表示的分工是利用大规模无标注语音预训练得到的可迁移帧级嵌入，刻画更丰富的韵律与发音变化；eGeMAPS 特征的分工是用 OpenSMILE 提取的 25 维手工声学参数，刻画可解释的短时声学属性。搭配比较的理由是检验域偏移对不同表示能力的影响；组合意义不在融合，而在于论文用同一适应流程验证方法的普适性。

注意力池化 × 掩码机制： 注意力池化的分工是对时间维做加权聚合，让信息量大的片段占更大权重；掩码机制的分工是标记补零的填充帧，使其不参与池化。搭配理由是 XLSR 输入被统一截断或补齐到 60 秒，若不屏蔽填充会污染句级表示；组合意义是得到干净的定长话语向量再送线性层做二分类。

上述 4 个组合是理解后文的关键。对抗解决分布对齐但不给目标类别，自训练补类别但怕错标签，手工与预训练表示决定起点好坏，池化与掩码决定句向量是否干净。IAST 正是把前两者的互补性组织成迭代，而不是单次执行 1 次。

训练如何组织：DAT、ST 与 IAST 的迭代顺序是什么？

所有模型都用交叉熵损失做 AD 分类，用 AdamW 优化器。eGeMAPS 模型学习率为 3 乘 10 的负 3 次方，在 ADReSS 上批量为 10，在 Pitt 上批量为 16。冻结 XLSR 模型学习率同样为 3 乘 10 的负 3 次方，批量为 32。微调模型对可训练 XLSR 参数用更小的 1 乘 10 的负 5 次方，对分类头用 1 乘 10 的负 3 次方，批量为 16。基线最多训练 60 轮，并用耐心为 10 的早停。

DAT 在每个训练轮次中联合优化 AD 分类与域判别。AD 预测器在源域上最小化分类损失，同时让域判别器尽量混淆，从而去掉表示中的域特异信息。论文强调该过程不需要目标域标签，但代价是分类边界完全由源域分布驱动。DAT 同样最多 60 轮、耐心 10 的早停。

ST 先用源域标签做一轮初始化训练，再用该模型对目标样本做 Softmax 预测。若最大类别概率不低于阈值，则把对应类别当作伪标签，与源域数据一起训练下一轮。论文取阈值为 0.9，最多做 5 轮伪标签迭代。若某一轮高置信伪标签少于 5 个，则停止后续迭代。每轮同样最多 60 轮、耐心 10 早停。

下图是 IAST 的管线，重点不是记住方块颜色，而是看清数据与梯度的两条回路。

看图路径： 1. 先找到左侧两个数据桶并确认只有源域带标签；2. 再看中间特征提取器分出的上下两路预测头与梯度反转层位置；3. 最后沿右侧伪标签回到输入的内外两圈迭代箭头理解循环

论文图 2。原论文 Figure 2:：“Iterative Adversarial Self-Training pipeline (AD: Alzheimer’s disease; HC: healthy controls).”。

像素可见左侧有两个数据桶，上面是带标签源域，下面是无标签目标域，两者都进入中间特征提取器。中间分出上下两路，上面是阿尔茨海默预测头输出 AD 或 HC，下面是域分类头经梯度反转层输出源或目标。右侧紫色椭圆是目标域伪标签，它既回流到输入侧参与下一轮训练，又通过顶部标有 Iterate 的长箭头驱动外层迭代。IAST 先用 DAT 做初始化对齐，再做 ST 生成高置信伪标签；之后每轮把带伪标签的目标数据与源域标签数据合并，再用 DAT 方式训练，最多 5 轮，置信度保留标准同样为 0.9。原文明确指出这种交替让伪标签质量与特征对齐互相促进，而不是两者简单串行 1 次。

实验条件是什么：数据划分与评测如何保证可比？

要复述实验，先固定数据、划分、指标与重复策略。3 个数据集都基于曲奇盗窃任务并来自 DementiaBank。源域训练按说话人分成约 80% 训练与 20% 验证，避免说话人重叠。目标域 Lu 按说话人分成 80% 无标注适配与 20% 留出评测，同样避免重叠。基线只用源域训练数据，直接测目标留出集。适应设置下源域训练数据加无标注目标适配子集联合训练，适配子集只用于对齐或伪标签，不使用目标诊断标签。

源域 × 目标域： 源域的分工是提供带阿尔茨海默与健康对照标签的训练与验证语音；目标域的分工是提供无标签适配语音和留出评测语音。搭配理由是模拟真实部署中训练条件与测试条件不一致且目标诊断标签不可得；组合意义是所有无监督域适应只能用目标域做对齐或伪标签，不能偷看其标签。

下表整理 3 个数据集的样本量，比较问题是源域与目标域的规模是否悬殊，指标方向是样本数越多通常训练越稳，但目标评测集很小意味着单点准确率波动不可忽视。

上表显示 Pitt 规模最大且类别不完全均衡，ADReSS 规模居中且均衡，Lu 规模最小且两类接近均衡。这解释了为何论文把 Lu 只拆出 59 条做无标注适配、15 条做留出评测。小评测集的一个直接后果是目标准确率的一个样本变化会被放大，解读提升时要结合多组源域与模型一起看，而不是孤立看 1 次最高值。

评估用准确率与 F1，把 AD 当正类。每组实验用 5 个固定随机种子独立重复，种子为 21、42、84、168、336，报告其中准确率最高的结果，并做显著性检验。硬件为 RTX5090，软件包括 OpenSMILE 2.6.0、Python 3.9、PyTorch 2.8.0 与 torchaudio 0.13.1。论文还给出源域与目标域的具体训练验证拆分，下表把划分数字与一个关键的源目标权衡数字放在一起，便于复现时核对。

上表的前三行回答复现先做什么：先按说话人切出同样的训练验证与适配评测，再保证适配阶段看不到目标标签。最后一行提前点出代价：目标大幅提升的同时源域可能轻微下降，这在后文结果节会反复出现。需要说明的缺项是论文未报告推理延迟与每轮 wall-clock 时间，因此不能从准确率推断部署成本。

主结果是什么：跨域掉了多少，适应补回多少？

先看基线跨域掉点。比较问题是同一模型在源域内与换到 Lu 后差多少，公平条件是无适应的直接迁移，指标方向是准确率越高越好。论文报告在多种结构下一致出现差距，最大降幅在原文连续句中明确写为 34.38% decrease。

上表的主要收益是确认问题真实存在：即使源域内达到 80% 以上，换到 Lu 也可能跌到 50%。代价或反例是掉点幅度并不均匀，不能把最极端的 34.38% decrease 当作所有模型的代表值。论文据此认为强域内性能不保证跨域泛化，模型可能依赖源域特异特征。

再看传统 DAT 与 ST 的效果。比较问题是在同一模型与同一源到目标下，两种无监督策略相对基线提升多少。下表聚焦目标域准确率，保留基线与两种可运行策略以及 IAST。

上表显示 DAT 与 ST 在所列结构上都优于基线，但幅度与表示能力有关。对手工特征，两者只能把 54.05% 提升到 62.50%。对预训练表示，ST 往往更强，例如冻结 XLSR 经 Pitt 到 Lu 从 58.11% 升到 81.25%。IAST 在这些行中达到最强，例如 eGeMAPS 经 ADReSS 到 Lu 达到 75.00%，冻结 XLSR 经 Pitt 到 Lu 达到 87.50%，后者同时超过 DAT 的 75.00% 与 ST 的 81.25%。未胜出项也要保留：在冻结 XLSR 经 ADReSS 到 Lu 等设置中，IAST 与 DAT 或 ST 持平而非超越，说明总体趋势不等于每组都严格递增。

下图是 Pitt 微调 XLSR 嵌入的 t-SNE 可视化，用于从分布形态上佐证对齐与类别可分是否同时改善。导读时先确认图例，再按无适应、DAT、ST、IAST 4 个面板比较。

看图路径： 1. 先看图例中形状代表数据集、颜色代表疾病类别的编码规则；2. 对比左上无适应时源域与目标域是否分成上下两团；3. 再看右下 IAST 中青色目标 AD 三角是否落入红色源 AD 三角一侧

论文图 3。原论文 Figure 3:：“t-SNE visualization of embeddings from the XLSR-based model fine-tuned on Pitt Corpus.”。

4 个面板共享图例，红色三角代表 Pitt AD，粉色圆点代表 Pitt HC，青色三角代表 Lu AD，紫色圆点代表 Lu HC。左上无适应面板可见源域与目标域明显分成上下两团，说明域差异主导了嵌入布局。右上 DAT 面板呈 V 形展开，域混合程度提高，但类别边界仍不够清晰。左下 ST 面板把部分目标样本拉入源分布，却仍有散乱。右下 IAST 面板同时呈现域混合与类别聚集，青色 Lu AD 三角更多落入右侧红色 AD 三角一侧，紫色 Lu 对照圆点更多留在左侧。论文用轮廓系数与分离比进一步量化，报告 IAST 降低域间差异并提高 AD 与对照的可分性，但像素本身不能读出精确数值，具体数值应以正文表格为准。

哪些对照支持 IAST：单用对抗或单用自训练差在哪里？

把 DAT 与 ST 看作 IAST 的两个消融对照是有依据的，因为 IAST 的每轮都包含 DAT 式的对抗训练，又包含 ST 式的高置信伪标签。比较问题是去掉迭代或去掉其中一路会发生什么，公平条件是同一模型、同一源到目标、同一阈值与早停。

从机制上看，DAT 的局限是看不到目标标签，边界仍由源域驱动。ST 的局限是依赖初始判别力，若初始在目标域不准，错伪标签会逐轮累积。论文的解释是 DAT 先缩小特征差距，给 ST 更好的起点；ST 再把目标类别信息带入训练，补上 DAT 缺失的监督；多轮循环让两者互相修正。

数字上，eGeMAPS 这类表示能力有限的模型最能体现互补。经 ADReSS 到 Lu 时，DAT 与 ST 都停在 62.50%，而 IAST 到 75.00%。经 Pitt 到 Lu 时，前两者停在 62.50%，IAST 到 68.75%。对预训练模型，IAST 的优势在 Pitt 到 Lu 更明显，冻结 XLSR 从 ST 的 81.25% 再升到 87.50%。但也有持平组，说明当单策略已把高置信样本基本找准时，迭代的额外收益会变小。

训练代价是必须同时说明的反证。IAST 最多 5 轮迭代，每轮最多 60 轮并早停，计算量明显高于单次 DAT 或单次 ST 链。论文未给出每轮耗时与总时长，因此不能断言性价比，只能说它用更多训练换目标精度的提升。另一个代价是源域精度可能下降，例如冻结 XLSR 经 Pitt 到 Lu 的源域从 70.27% 降到 67.57%，这是向域不变表示妥协的常见现象。

边界在哪里：哪些结论还不能推广？

论文用附录明确了 3 类边界。第一是语言与数据边界，研究只覆盖英文语境，且独立于 Pitt 的公开英文 AD 语音非常有限。作者说明更大的英文数据尚未公开，VAS 与 WLS 等可获得数据包含轻度认知障碍或其他认知衰退且未区分诊断组，为保证严谨未纳入实验。因此 Lu 是当前可选的目标域，但不能代表所有采集条件。

第二是临床边界。语音包含敏感健康与可识别信息，需要隐私与数据治理。模型应视为研究或筛查工具，而非临床诊断系统。真实部署需要更广泛的外部验证与专业监督。论文也提醒，当人群、录音环境或临床场景与所用数据不同时，预测仍可能不确定，已报告性能不应被理解为跨未见人群的可靠临床性能。

第三是许可边界。DementiaBank 属于 TalkBank，一般遵循知识共享署名非商业相同方式共享 3.0 许可，要求署名、限制商业使用并要求衍生作品相同方式共享，且访问受密码保护并限于批准成员。论文声明遵守不重新分发受密码保护数据的要求。这意味着复现者需自行申请数据权限，不能期待直接下载完整语音。

复现先做什么：按什么顺序搭出可运行链路？

第一步先拿到数据权限并按说话人切分。源域按 80% 训练、二成验证切分，Pitt 约 442 与 110 条，ADReSS 为 125 与 31 条。目标 Lu 切出 59 条无标注适配与 15 条留出评测，全程避免说话人重叠。适配阶段只能用波形做对齐或伪标签，不能读取诊断标签。

第二步先跑通 3 条模型链。eGeMAPS 链用 OpenSMILE 抽 25 维特征并组织成 10 乘 25 张量，走两层线性加注意力池化。XLSR 链把音频统一到 60 秒，冻结版不更新编码器，微调版只更新最后 3 层 Transformer，分类头都是 5 层降维加带掩码注意力池化。先用源域训练出基线，确认源域内精度与跨域掉点复现，再加 DAT 与 ST。

第三步再跑 IAST。先用 DAT 初始化对齐，再按 0.9 置信度筛伪标签，最多 5 轮，每轮把伪标签目标数据与源域数据合并后用 DAT 方式训练，每轮最多 60 轮、耐心 10 早停，若某轮高置信样本少于 5 个则停止。评估固定用 5 个种子重复并报告准确率最高者，同时报告 F1 与显著性。论文声明代码与模型已公开，资源状态显示代码与模型链接当前可用，地址为论文中的 IAST 网站，因此复现时应以该网站的实际脚本与权重为准，而不是仅按正文文字猜实现细节。

何时值得尝试 IAST：给研究生的行动清单是什么？

当训练与测试采集条件不一致，且目标域确实没有标签时，IAST 值得尝试。尤其当基线在目标域明显掉点，而 DAT 已能让源目标特征部分混合时，用高置信伪标签做多轮迭代更可能带来增益。对表示能力弱的手工特征，论文显示迭代的相对提升更大；对预训练表示，ST 本身已强，IAST 更像在高位再推一步。

不值得盲目尝试的情形也要记住。如果目标适配集极小或与评测集分布差异大，高置信伪标签可能很少或有偏，此时应先检查每轮保留的伪标签数量与类别比例，而不是直接跑满 5 轮。如果应用要求源域精度不能掉，则要把源域验证一起监控，因为域不变往往伴随源域轻微下降。

还需补的验证包括更多独立目标域、更大评测集上的方差、伪标签精度随轮次的变化曲线，以及训练时间与推理开销。只有补齐这些，才能把论文报告的目标精度提升转化为可部署的鲁棒性结论。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1

• 评分模型：muse-spark-1.3-contributor

• 评分请求协议：openai_responses

← 返回 2026-09-15 语音/音乐/音频论文速递