拼语料加自动算语速：库克群岛毛利语只有部分岛屿年轻人更快

英文题目：Automating Sociophonetic Research in Under-Resourced Languages: A Case Study of Speech Rate in Cook Islands Māori

会议身份：conference:interspeech:2026:conference-paper-id:cotosolano26_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #社会语音学 #低资源 #语音 #语音识别

评分：5.8/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 0.8/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Rolando Coto-Solano：机构信息未能从会议 PDF 纯文本可靠映射
• Sally Akevai Nicholas：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为库克群岛毛利语Cook Islands Māori（CIM）的田野录音与社交媒体音视频，输出为按岛屿与年龄分组的语速差异解释，难点在于低资源转写不可靠、社会元数据缺失以及说话人跨岛流动性强。先输入原始音视频用Silero语音活动检测切分发声片段并输出时间边界，再将该边界内音频送入Wav2Vec2语音识别生成转写并按莫拉计数输出莫拉每秒语速，最后将语速与人工核验的岛屿归属及五十岁人工二分年龄一起送入带年龄与岛屿交互项的线性回归以输出效应检验。与只做小规模人工标注的社会语音学不同，该流程用半自动管道扩充语料并以保序验证保留相对比较可比性。在三岛田野与社交媒体语料下，Nga Pu Toru年轻组的语速指标为7.7 moras/second，高于年长组的语速指标6.8 moras/second。Rarotonga两代人无显著差异，Aitutaki整体更快但代际差异亦不显著。结论仅适用于所覆盖三岛及当前代际语言活力格局，不能外推至北部岛屿或其它韵律特征。该外推尚未验证，适用边界受限于所覆盖三岛与现有说话人样本。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://github.com/snakers4/silero-vad — 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：要为资源匮乏语言拼出可用的社会语音学语料吗？

本次解读的输入是 2026 年 Interspeech 收录的库克群岛毛利语语速研究全文，以及 3 张实际收到像素的官方原图。解读目标是让刚进入语音音乐音频领域的研究生能够复述方法、核对实验条件，并在需要时重复关键计算。

必须保留的信息包括语料构成、切分与转写链条、莫拉每秒的计算口径、年龄标注的替代过程、统计模型的交互设计，以及各岛屿分年龄的具体数值与检验结果。输出按学习依赖从任务到复现逐步展开，先讲要回答什么，再讲怎么做，最后讲哪里可信、哪里受限。

库克群岛毛利语是东波利尼西亚语言。论文报告库克群岛约 12500 人加上新西兰和澳大利亚离散群体约 10000 人使用，它与新西兰毛利语相近但不同。音段库存较小，没有韵尾和辅音丛，元音有长短对立，还有声门塞音。

韵律被分析为莫拉节律，短元音计 1 莫拉，长元音或双元音计 2 莫拉。论文举例 Maori 一词按此规则计为 4 莫拉，这个例子只用于固定计数规则。研究者关心的不是做通用识别器，而是能否用现成人工智能工具把田野录音和网上公开视频拼成足够大的语料。

此前岛屿与年龄的语速差异尚未见报告，因此本研究同时承担方法验证和社会语音学描述两项任务。本次收到的第三方资源是 Silero 语音活动检测仓库链接，状态为可用且返回 200。

因此可以写该链接当前可用，但这只代表切分工具可获取，不代表本研究的全部语料和模型权重已公开。理解这个起点很重要，后文所有关于自动是否可信的验证，都是在拼凑语料、工具现成、人工信息不全的约束下展开的。

语速的社会含义有哪些已被报告的路线？

在进入本论文流程之前，需要先把语速作为社会语音学变量的已有路线摆清楚。这样可以避免把年轻人更快直接当成生理必然，也能理解作者为何准备用语言转用来解释例外。

论文回顾的第一条路线是地域和人口差异。例如美国英语威斯康星比北卡罗来纳快，男性有微弱快于女性的趋势。年轻人快于老年人的模式在多语言中重复出现，听者也会用语速判断说话人年龄。

实验性放慢会导致听者判为更老，这说明语速不仅是产出差异，也参与社会感知。第二条路线是熟练度，二语和遗产语研究把语速当作口语流利度的代理指标。二语者通常慢于一语者，遗产语中语速与词汇提取和分句建构相关。

遗产语语速还与儿童期社区主导语言有关，而与其他具体音法变量关系不大。论文把这两条路线转接到原住民语言复兴语境时保持了谨慎，明确说不能把外部熟练度定义强加给社区。

社区内部从一语长者到半说话人和记忆者有很宽的连续体，更适合社区自定义基准。但同时指出其与遗产语情境有相似性，因此语速可能指示不同的使用接近程度。

已有自然语言处理工作包括库克群岛毛利语的语音识别、句法分析、语音合成、强制对齐和变音符号恢复。这说明本研究不是从零建模，而是在已有识别模型和文档语料上做社会语音学扩展。把握这些路线分工，就能理解作者为何既检验年轻人更快这个一般模式，又认真对待不符合该模式的岛屿。

要回答什么问题：岛屿与年龄是否调节莫拉每秒？

论文要回答的实质问题有两个层面。技术层面是语音活动检测加自动转写得到的莫拉每秒，能否保留与人工校对版本相同的相对排序。社会语音学层面是不同岛屿的年长组与年轻组语速是否不同，以及这种差异能否与语言活力差异联系起来。

操作定义上，语速被限定为发音层面的单位时间产出，用莫拉每秒表示。分母是韵律短语的时长，分子是该短语转写文本按长短元音规则数出的莫拉数。研究范围限定为 3 个可获得足够数据的分组。

这 3 个分组是 Rarotonga、Nga Pu Toru 三岛即 Mauke、Mitiaro 和 Atiu、以及 Aitutaki。年龄在自动失败后简化为以 50 岁为界的年长与年轻两类。论文还预告了未覆盖的边界，包括 Mangaia 只找到 1 名年轻人。

北部 Penrhyn、Manihiki 和 Rakahanga 样本不足，因此完整变异图景尚需大规模田野调查。

语速 × 莫拉每秒： 语速负责提出社会比较的目标，即不同岛屿和年龄是否说得快慢不同；莫拉每秒负责给出可计算的操作口径，把短元音计 1 莫拉、长元音和双元音计 2 莫拉再除以韵律短语时长；二者搭配是因为库克群岛毛利语被分析为莫拉节律语言，只有用莫拉做分子才能让长短元音的重量差异进入比较，组合后形成统一的因变量。

沿一个教学例子走一遍有助于固定问题形态。假设有一条 Aitutaki 年轻人的社交媒体发言，先被切成一个几秒的韵律短语。转写文本按短 1 长 2 数出莫拉数，再除以时长得到莫拉每秒。

这个数值随后与同岛年长者的同类短语均值比较，再进一步与 Rarotonga 同年龄组比较。问题于是转化为在 8000 量级短语上，年龄与岛屿的交互是否显著。这是一个教学例子，不是论文报告的具体短语数值，目的是把输入到表示到目标的链条讲成可执行动作。

全景流程如何从视频走到统计模型？

全流程可以分为 4 段。第一段是语料拼装，一端是 Paradisec 的 Vairanga Te Tuatua 收藏，存为 ELAN 转写加 WAV 音频。第二段是自动处理，线上视频先用 Silero 语音活动检测确定标注区间。

该收藏含自然对话和独白，主题从传统生态知识家谱到当代食谱，附带说话人年龄和来源岛屿，共 9 人约 4 小时。另一端是公开社交媒体音视频，包括新闻站点脸书页和政府防风生产等视频。

下载后待切分，共 51 人约 94 分钟，两端合计 60 人 7.5 小时。再用基于 Wav2Vec2 构建的库克群岛毛利语识别模型自动转写并存为 ELAN。论文报告该模型字符错误率 0.06、词错误率 0.17。

第三段是统一计算，无论来源都把标注切到韵律短语，按转写数莫拉数除以时长得到莫拉每秒。第 4 段是社会变量补齐与建模，岛屿只保留能明确识别为某岛或某岛居民的视频。

年龄在自动估计失败后改为人工按是否大于 50 岁 2 分，随后用年龄与岛屿交互为自变量、莫拉每秒为因变量做线性回归。事后检验采用 Bonferroni 校正，Silero 仓库当前可用意味着切分环节可复现。

但识别模型与完整语料的可获得性需另行核对，不能把工具可用等同于全系统可运行。

切分与转写组件各自做什么、怎么衔接？

语音活动检测的白话解释是人声开关，它逐帧判断哪段时间有人说话，输出起止时间。英文为 Voice Activity Detection，缩写 VAD，后文简称 VAD。自动语音识别的白话解释是听音写字。

它把音频映射为文字序列，英文为 Automatic Speech Recognition，缩写 ASR，后文简称 ASR。VAD 不管文字内容，只管把长视频变成可处理的语音段并剔除静音音乐。ASR 不管切分边界，只管在给定段内给出词串以便数莫拉。

衔接动作是先对线上视频跑 Silero 得到候选段，再对每段跑 Wav2Vec2 模型得到转写。最后把段时长与转写莫拉数配对存为 ELAN 的一条标注，田野数据则跳过这一步。

田野数据直接使用已有的 ELAN 与 WAV，需要指出的缺项是论文未报告 Silero 的阈值、最小段长和合并策略。也未报告 ASR 的解码束宽、语言模型使用与否以及是否冻结参数。

因此不能从模型名称推定具体实现，只能复述调用关系。

语音活动检测 × 自动语音识别： 语音活动检测负责把长视频切成有人声的片段并给出起止时间；自动语音识别负责把每段音频转成文字以便数莫拉数；二者搭配的理由是只切不转无法得到分子，只转不切会混入静音和非语音，组合后才形成时长做分母、莫拉数做分子的语速链条。

这种衔接的代价在验证实验中显现。作者取一段 10 分钟录音，用 VAD 加 ASR 得到自动版。再人工校对起止时间和文字得到人工版，取 25 段分别算莫拉每秒并用线性模型相关。

结果发现显著相关但自动版系统性偏长，回归式为自动莫拉数等于 0.7 倍人工莫拉数加 3.7。这支持了用自动趋势做组间比较，但不支持把自动绝对值当成人工值直接引用。

韵律短语与莫拉计数如何统一两种来源？

韵律短语的白话解释是一口气的韵律块，它是比句子更贴近停顿与语调的切分单位。英文为 prosodic phrase，后文简称短语，ELAN 标注的白话解释是时间轴上的多层标签文件。

英文为 ELAN annotation，后文简称 ELAN，短语负责统一分母，ELAN 负责统一存储。无论田野的人工转写还是线上的自动转写，都被拆到短语级。

每条有开始结束时间和文本，再按短元音 1 莫拉、长元音双元音 2 莫拉数出分子。论文举例 Maori 计 4 莫拉，初学者可据此复述规则，但不要把该例当成全库平均值。

统一后的总量为 8083 个短语，分布极不均衡。Nga Pu Toru 年长组占 5793 条，而 Aitutaki 年轻组仅 196 条。这种不均衡直接影响后文回归自由度与方差估计。

韵律短语 × ELAN 标注： 韵律短语负责界定 1 次语速计算的范围，是分母时长和分子莫拉数的共同边界；ELAN 标注负责存储每条短语的起止时间和转写文本；二者搭配是因为田野和网络两种来源必须先统一到同一颗粒度，后续按短语求莫拉每秒才能合并建模。

从可复现角度，关键动作是拿到 ELAN 后按短语遍历。文本归一化后逐词逐音节数莫拉，再除以起止差。论文未给出长元音符号缺失时的处理、码转换片段的处理。

以及极端短长短语的截断规则，这些是复现时需要补记的缺项。不能自行假设已做清洗，也不能把清洗效果计入方法收益。

本研究训练了什么、没有训练什么？

本研究没有报告新的神经网络训练过程。也没有给出优化器、学习率、轮数、梯度路径或参数冻结更新说明。因此该节的任务是明确区分既有模型的调用与本研究的计算。

VAD 使用的是 Silero 预训练检测器，按论文引用以现成工具调用。ASR 使用的是先前为库克群岛毛利语构建的 Wav2Vec2 识别模型。论文引用其字符错误率 0.06 和词错误率 0.17，但本次未重新训练也不报告微调。

年龄估计使用的 DeepFace 与 InsightFace 同样是现成图像模型。只做推理得到预测年龄，再与 20 名已知真实年龄 27 到 76 岁的说话人比较。人脸模型的失败不能等同于确定性求解的失败。

它只是说明在该小样本上线性相关弱或不显著，真正属于本研究的计算是语料层面的统计建模。对 25 段配对语速做线性相关验证，对 20 张人脸做预测年龄对真实年龄的线性回归。

以及对 8083 个短语做年龄与岛屿交互的线性回归加 Bonferroni 事后检验。这些回归的监督来源是人工校对文本、已知年龄和人工岛屿标签，不是神经网络梯度。

由于未报告硬件预算、推理耗时和输出帧率，不能承诺延迟或成本改善。复现时应把重点放在数据划分、指标聚合与统计口径的还原上。

验证实验如何检验自动语速是否可用？

验证实验要测的是同一批音频在自动与人工两种处理下莫拉每秒的相对一致性。与谁比就是自动版与人工版配对比较，条件一致指同一段录音的同一 25 个切分位置。

只改变起止校对与文字校对，指标是线性模型的 t 值、p 值与决定系数。方向是相关越强且显著越支持自动趋势可用，论文报告 t 值为 23 自由度下 4.3。

p 小于 0.0005，决定系数 0.45，属于中等偏强相关。但回归截距显示自动系统性偏长，支持的判断是相对排序保留。

可用于组间趋势比较，限制是绝对值不等价，不能跨研究直接比数值。另一类论文特有细节是数据协议的不对称，田野 9 人约 4 小时自带年龄岛屿信息。

线上 51 人约 94 分钟需后补标签，岛屿以明确识别为准，年龄则经历自动失败转人工。这种不对称意味着主回归的样本权重高度偏向 Nga Pu Toru 年长组，解读时必须结合短语数分布。

下图展示的正是 25 段配对散点，阅读时先确认两轴同为莫拉每秒。再看回归线与置信带，不要把纵轴偏高误读为自动更快的有实质含义。它更可能是切分与插入偏长造成的系统偏差，该导读已经交代比较对象和判断方向。

看图路径： 1. 先确认横轴人工转写与纵轴自动转写单位同为莫拉每秒；2. 再看 25 个黑点相对蓝色回归线的位置和偏高趋势；3. 观察左下低语速孤立点与右上高语速点对趋势的影响；4. 对照灰色置信带在低速端变宽所提示的不确定性

论文图 1。原论文 Figure 1：“Speech rate of the same passages, measured using automatic transcriptions versus manually corrected transcrip- tions. There is a high correlation between the two.”。

该散点图标题写明来自同一 Mauke 说话人的同一音频段，横轴为人工转写莫拉每秒，纵轴为自动转写莫拉每秒。共 25 个黑点并叠加蓝色回归线与灰色置信带，点云总体沿对角向上。

左下有一个约 2.8 比 5.0 的低语速孤立点，右上有约 8.4 比 10.5 的高语速点。中间在人工 4.7 附近出现约 9.1 的高残差点，低速端置信带明显变宽。这与正文报告的显著相关加系统性偏长的文字结论一致，也提醒复现时不能只看决定系数，还要检查截距与斜率带来的绝对值偏移。

主结果：哪些岛屿出现年龄差、数值是多少？

主结果按岛屿分年龄报告莫拉每秒的均值与标准差，并用带交互的线性回归检验。比较问题是年龄效应是否在不同岛屿上大小不一致，公平条件是所有数值聚合对象都是韵律短语。

指标方向是莫拉每秒越大表示说得越快，标准差反映短语间变异。模型自由度接近 8083 减参数个数，不同岛屿短语数极不均衡。下表整理了三岛分年龄的均值标准差与事后检验结论，阅读时注意均值与中位数不是同一统计量。

上表显示仅 Nga Pu Toru 存在显著年龄差，Rarotonga 和 Aitutaki 组内无差异。Aitutaki 整体最快但组内方差不小，Nga Pu Toru 年长组标准差达 2.8。

这意味着个别短语的快慢不能代表整岛，解读必须回到短语级分布和样本权重。未胜出项是 Rarotonga 年轻组，其均值反而略低于年长组但检验不显著。

年龄交互 × 岛屿： 岛屿负责提供地理和语言活力分组；年龄负责提供代际分组；年龄交互负责检验年龄效应是否随岛屿而变化；二者搭配的原因是论文要回答的不是年轻人是否一律更快，而是 Rarotonga 和 Aitutaki 无差异而 Nga Pu Toru 有差异的调节模式，组合后才能用带交互的线性回归 1 次性检验。

下图箱线图展示的正是 8083 量级短语的分布，阅读时先按岛屿分组再按颜色分年龄。不要把箱体中线直接当成上表均值，中线是中位数，均值受离群点牵引。

两者方向一致但数值不必相等，该导读已交代比较问题与指标方向并提出公平条件。

看图路径： 1. 先按横轴找到三组岛屿再按图例区分红色年长与青色年轻；2. 再比较每组箱体中线高低与箱体整体位置；3. 观察 Aitutaki 两箱整体上移与其他两岛的关系；4. 注意箱外上下离群黑点对均值和标准差的牵引

论文图 2。原论文 Figure 3：“Speech rate for different islands and ages.”。

该箱线图纵轴为莫拉每秒，横轴 3 组为 Rarotonga、Nga Pu Toru 和 Aitutaki。每组并排红色年长与青色年轻两个箱体，标题写明数据来自 8083 个韵律短语。

Aitutaki 两箱整体上移，中线约在 8 到 9 之间。Rarotonga 两箱中线最低且高度相近，Nga Pu Toru 年轻箱中线略高于年长箱。每组上下均有黑色离群点，Nga Pu Toru 上端离群可达 17 左右。这种分布形态与表格中 Aitutaki 最快、仅 Nga Pu Toru 有年龄差的结论相互印证，但也显示短语级离群对均值标准差的影响不可忽略。

失败条件：人脸年龄估计为何不可用？

年龄自动化的失败条件是本论文最清晰的反证。测的是在 20 名已知真实年龄 27 到 76 岁的说话人上，两种人脸模型预测年龄与真实年龄的线性关系。

比较条件是同一 20 张人脸、同一真实年龄，指标方向是相关越强且显著越支持自动可用。下表整理了语料规模与两种算法的检验结果，阅读时注意显著不等于准确。

上表说明自动年龄在该人群上基本失败，作者退回到人工按图像判断是否大于 50 岁。表 1 分布为 Rarotonga 年长 7 年轻 5 共 12 人，Nga Pu Toru 年长 24 年轻 7 共 31 人。

Aitutaki 年长 6 年轻 11 共 18 人，总计年长 37 年轻 23 共 60 人。这种 2 分虽然保住了主分析，但丢失了连续年龄信息，且依赖主观判断。未来需要社区众包标注或语音加多模态模型重新检验，未评测边界是语音年龄估计。

人脸年龄估计 × 人工年龄分组： 人脸年龄估计负责尝试从社交媒体头像自动得到连续年龄以节省人工；人工年龄分组负责在自动失败后退回到按是否大于 50 岁分为年长和年轻两类；二者搭配形成对照，前者检验通用图像模型在库克群岛人脸上的可迁移性，后者在前者不可用时保住主分析所需的社会变量。

下图展示的正是 20 张人脸的预测对真实散点，导读要求先按颜色区分两种算法。再看离散程度与回归线斜率，不要把青色线高于红色线误读为更好。

两条都偏离理想对角线，只是偏离方式不同，该导读已提出公平比较条件并超过三十字。

看图路径： 1. 先按图例区分红色 DeepFace 与青色 InsightFace 的点和线；2. 再看真实年龄 27 到 76 岁范围内预测年龄的离散程度；3. 比较两条回归线斜率与理想对角线的偏离；4. 观察灰色置信带的宽度和重叠所提示的小样本不确定性

论文图 3。原论文 Figure 2：“Automatic estimation of a person’s age from their face using two AI algorithms. The performance is very poor on Cook Islander faces.”。

该图横轴为真实年龄，纵轴为预测年龄，红色为 DeepFace 点与线，青色为 InsightFace 点与线。标题写明数据来自 20 张人脸，各叠加灰色置信带，青色点在 60 岁附近出现高达 77 左右的高估点。

红色点整体偏低且在 45 岁附近出现 20 出头的低估，青色回归线斜率大于红色但散点离散大。置信带宽且部分重叠，这与正文一个不显著、一个显著但弱的报告一致。支持自动年龄不可用的判断，也说明小样本下任何单点预测都不应直接用于分组。

还有哪些边界会改变结论的适用范围？

除年龄自动化失败，还有 3 类边界需要明确。第一是说话人岛屿归属的流动性，库克群岛人常在岛屿间迁移。父母可能来自不同岛屿，线上数据只有最基本信息。

很难把一个人唯一匹配到一个岛屿，这限制了可做的研究类型。第二是网络抓取的覆盖上限，作者已抓到能抓的全部内容。但 Mangaia 只找到 1 名年轻人，北部岛屿样本不足。

完整变异图景必须等待全群岛田野调查，第三是语言转用解释的未验证性。论文提出 Rarotonga 年轻人慢可能反映熟练度低或语言转用，Aitutaki 年轻人无年龄差可能反映近 20 年年轻人使用减少。

以及英语接触带来的语速迁移，但这些是与地面观察相符的有限解释，不是因果证明。相关性不等于因果，且未测量误判率、延迟或成本，不能承诺效率改善。

总体趋势也不等于每组每步成立，例如 Aitutaki 整体快但组内方差大。Nga Pu Toru 年长组标准差达 2.8，个别短语的快慢不能代表整岛。承认这些边界不是技术错误，而是为复现划定适用条件。

复现先做什么：按什么顺序核对数据与代码？

复现的第一步是核对语料口径而非直接跑模型。先确认田野端 9 人约 4 小时的 ELAN 与 WAV 是否可从 Paradisec 获取，再确认线上端 51 人约 94 分钟的视频清单与岛屿识别依据。

最后汇总 60 人 7.5 小时与 8083 短语的分布是否与表 1 一致，特别注意 Nga Pu Toru 年长组占大头的权重影响。第二步是还原自动链条，Silero 仓库链接当前可用。

可按原文引用获取 VAD，但需自行记录阈值与合并规则。Wav2Vec2 识别模型需核对字符错误率 0.06 与词错误率 0.17 对应的版本与解码设置，不要从模型名称推定实现。

第三步是重算莫拉每秒，按短 1 长 2 规则数莫拉并除以短语时长。先在 10 分钟样本上复现 25 段自动对人工的相关与回归截距，再扩展到全库。

第四步是重跑统计，用年龄与岛屿交互为自变量、莫拉每秒为因变量做线性回归。并做 Bonferroni 事后检验，核对交互 t 值、自由度 8077 与各组 p 值。第五步是重做年龄失败验证。

在 20 人已知年龄上跑 DeepFace 与 InsightFace 并报告 p 值与决定系数，确认不可用后再采用人工大于 50 岁的 2 分。区分代码开源、权重下载与系统可运行很重要，工具可下载不等于本研究语料与完整流程可一键运行。

缺失的切分参数、清洗规则与众包标签是需要补记的验证项，不能自行编造划分或聚合口径来圆成一致。

何时值得尝试这种半自动社会语音学？

当研究对象是资源匮乏的原住民语言、田野语料有限但网上有可识别说话人的公开视频。且研究问题允许用相对排序而非绝对值做组间比较时，这种 VAD 加 ASR 再人工补社会变量的半自动流程值得尝试。

它的收益是用 7.5 小时 60 人 8083 短语的规模首次揭示库克群岛毛利语语速的岛屿调节模式。并用 25 段配对验证证明自动趋势与人工趋势显著相关，决定系数为 0.45。

它的代价是自动转写系统性偏长、人脸年龄在该人群上基本不可用。岛屿归属流动与样本不均衡限制推论，以及语言转用解释尚待验证，后续值得补的验证包括更多岛屿与说话人。

人工校对扩大后的自动趋势再检验、语速与嘎裂声等地理变体的关联。以及社区参与的年龄标注与多模态年龄模型，论文最后强调自动工具应最大化服务于语言记录。

复兴与规范化，这一判断在本证据范围内是方向性建议，不是已测量的效果承诺。初学者在引用时应保留报告、支持与推测的区分，避免把有限解释写成因果结论。

⚖️ 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 interspeech-2026 论文汇总