成对验证为何在源头追溯中更差：全局锚定的分辨率优势与嵌入塌缩代价

英文题目：The Hidden Cost of Pairwise Verification in Synthetic Speech Source Tracing

会议身份：conference:interspeech:2026:conference-paper-id:firc26_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：#对比学习 #模型比较 #语音 #语音伪造检测

评分：6.0/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 1.1/1.5 | 清晰度 0.8/1 | 影响力 0.9/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

• Anton Firc：机构信息未能从会议 PDF 纯文本可靠映射
• Zbyněk Lička：机构信息未能从会议 PDF 纯文本可靠映射
• Vojtěch Staněk：机构信息未能从会议 PDF 纯文本可靠映射
• Kamil Malinka：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

合成语音来源追溯需在开放集下判断测试语音来自哪一生成器，输入为待测语音与声称生成器注册语音，输出为同一来源验证分，难点在于不同生成器痕迹细微且易被说话人与信道因素掩盖。先以冻结的自监督骨干抽取表征并经池化后端压缩为话语嵌入，其输出进入下一步训练头学习。再分别经全局锚定的闭集分类线性层或成对验证的孪生融合头优化嵌入，前者优化交叉熵并输出余弦相似度，后者优化成对相似概率。最后在相同数据与轮次预算下以声称式协议打分，评估域内与域外验证错误率。机制差异在于全局分类迫使样本向全局类别中心对齐，而成对目标直接优化局部相对距离，更易将方差压入少数方向并放大分数尾部重叠。在MLAAD域内评测设置下，全局锚定Global（CE）的等错误率EER为8.61 ± 0.29%，低于成对验证Intermediate（scratch）的等错误率EER 14.92 ± 2.43%。结论边界是该排序仅在所测骨干、池化头与挖掘策略下成立，域外 STOPA 上所有方法均严重退化且区分度微弱。原文未披露训练、推理或部署成本

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 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：从能听出假到能指出谁造的假？

本文的研究对象是合成语音源头追溯。输入是一段待检验的语音波形，输出不是真或假的二分类判断，而是这段语音来自哪一个合成器的证据，以及在开放集条件下对未见过合成器的验证能力。初学者容易把这个任务等同于语音深伪检测，白话说，深伪检测只回答是不是机器造的，而源头追溯要回答像法医比对一样的问题：两段语音是否来自同一个生成器，或者待测语音最接近注册库中的哪一个生成器声明。

论文的起点是威胁模型的变化：当合成器种类迅速增加且攻击后需要归因时，仅有真假判断不足以支撑处置，因此需要把追溯做成可验证的度量学习问题。本文的目标读者是刚进入语音与音频取证的研究生，解读重点是把全局分类监督与成对验证监督放在相同主干、相同数据和相同轮次预算下比较，看哪种监督更适合保留细微的合成器痕迹。

必须保留的关键信息是数据集划分为域内与域外、评估采用声明式验证协议、指标同时看等错误率与严格低误接受率下的召回，以及嵌入几何分析只起诊断作用。本文不声称代码或数据当前可用，因为本次收到的资源状态没有绑定可验证的公开链接，只能依据论文文字复述方法与结果。

相关路线为何从封闭分类走向开放验证？

早期源头追溯多被写成封闭集分类，白话说就是训练时见过多少个合成器，测试时也只在这几个里面选一个，常用支持向量机或对声码器与声学模型分别建模。这类方法的输入、目标与监督都封闭，优点是类中心明确，缺点是一旦出现新合成器就无法直接回答。随后出现了解耦思路，例如去掉说话人信息或融合韵律与副语言特征，目的是让模型不要把说话人或通道当成合成器指纹。

另一条线是把任务改写为源头验证，白话说就是不直接预测类别，而是判断两段录音是否同源，这与人脸和说话人识别中的孪生网络思想相通。论文引用了同时期出现的少样本验证协议、基于间隔的分类损失和原型度量学习，特别提到已有系统比较显示全局角间隔监督下的嵌入可以压缩到很少维度而不明显掉点。这构成一个容易误解的前提：既然低维仍可分，是否直接优化样本对相似度会泛化更好。

本文的定位正是检验这个前提，它不提出全新主干，而是把局部挖掘与全局锚定放在同一流水线上，观察在合成器线索细微且高度相关的条件下，直接优化相似度是否反而损失分辨率。

要解决的问题是什么：开放集下的严格低误报验证有多难？

论文把问题形式化为开放集验证。训练阶段只见到 24 个训练生成器，测试阶段需要处理未见过的生成器声明。评估采用基于声明的协议，白话说就是每个生成器标识定义一个声明，系统先注册若干条该声明的语音，再对剩余语音逐条打分，判断是否接受该声明。注册条数用 R 表示，论文为跨数据集一致主要报告 R 等于 1，同时在域内补充 R 等于 5 以便与先前工作对照。

难点在于法医场景关心极低误接受率，例如误接受率为 0.1% 或 0.01% 时还能召回多少真目标，这比只看等错误率更苛刻。等错误率是误接受与误拒绝相等时的错误率，越低越好；归一化检测代价与固定误接受率下的真阳性率则分别反映代价加权与严格工作点的可用性。论文明确指出域外评估时检测代价会饱和到接近全部拒绝的基线，因此域外只看等错误率与固定低误接受率召回，并把域外排序视为提示性而非结论性。

初学者需要建立的学习依赖是：先理解声明注册与打分，再理解阈值、误接受与误拒绝的权衡，最后才能读懂检测错误权衡曲线与分数分布尾部重叠的含义。

方法全景：一个样本如何走完输入到分数？

所有系统共享同一条主干通路，目的是把性能差异归因于训练目标。沿一个样本走一遍：输入为原始波形，先进入 XLS-R 语音自监督主干得到帧级表示，默认冻结参数以避免主干适配混淆结论；然后进入池化后端，把变长帧序列聚合成定长嵌入向量 h，论文比较了图注意力后端与多头因子化注意力后端，最终默认选择更稳定的后者。

接着出现分叉，全局锚定分支把 h 送入线性分类层，用 24 类交叉熵训练，推理时取倒数第二层嵌入并用余弦相似度打分，监督来自全局类中心，成对验证分支把两个样本的嵌入对送入融合模块，直接估计同源概率，监督来自样本对标签。训练预算控制在数据、轮次与优化器家族层面保持一致，但作者也坦白说明成对系统按样本对训练，计算量并不严格相等。开发阶段用固定的 97,000 条试次列表调参，其中目标试次 2 万、非目标试次 77,000。

评估阶段域内用多语言深伪数据集的评估划分，域外用系统性变化的数据集检验域偏移。整条链路的输出都是试次分数，再经阈值得到接受或拒绝，因此后续的嵌入衰减分析与分数分布分析都是对同一条链路不同位置的观察。

全局锚定与成对验证的分工有何不同？

全局锚定与成对验证看似都是学嵌入，但监督来源与梯度路径不同。全局锚定把开放集验证当作闭集分类的表示学习代理，白话说就是训练时先把 24 个已知生成器分对，学到的嵌入自然围绕类中心组织，推理时再用余弦距离做未见类的验证。它的计算目标是最小化交叉熵，使同类样本向同一中心收缩。成对验证则丢掉分类头，改为对嵌入对直接建模，白话说就是每次看两段语音，回答它们是否同源，训练目标是二元交叉熵下的同源概率。

论文比较了 4 种试次选择策略：随机中间采样保证覆盖但缺乏边界压力，基于教师模型的硬负挖掘挑选数值上最难的非目标，基于聚类的方向性覆盖兼顾全局覆盖与局部结构，基于元数据的对手挖掘则用先验知识指定难对。4 种策略都保持目标与非目标 1 比 1。理解这部分的关键是不要把成对一定更好的生物特征经验直接搬运，因为合成器之间的差异可能比说话人之间的差异更细微，直接推开大间隔可能压扁有用的细粒度方向。

全局锚定 × 成对验证： 全局锚定负责让每个样本向已学习的 24 类生成器中心靠拢，用多类交叉熵建立稳定的全局坐标；成对验证负责直接优化样本对是否同源的相似度分数，用二元目标拉近目标对、推远非目标对；两者搭配比较的理由是主干与池化固定后，唯一变化的是监督是来自全局类中心还是来自局部样本对关系，组合意义在于检验生物特征中有效的局部挖掘是否会牺牲合成器细粒度线索的分辨率。

沿样本路径看，全局分支的梯度来自类别标签经由线性层的回传，成对分支的梯度来自样本对标签经由融合头的回传，前者强调与全局中心的对齐，后者强调样本对之间的相对距离。论文还设置了两个对照：对主干做微调以检验适配效应，对全局嵌入加显式低维瓶颈以检验维度效应。这两个对照的意义在于，如果去掉它们仍能看到差距，才能更可信地说差距与目标函数有关。

k99 × 嵌入瓶颈： k99 负责量化嵌入方差集中程度，定义为解释 99% 方差所需的主成分个数，数值越小说明能量越集中在少数方向；嵌入瓶颈负责人为把全局监督模型的嵌入压缩到 10 或 13 维，检验低维本身是否必然导致性能下降；搭配理由是如果成对模型的 k99 约 13 且性能差，而全局 10 维瓶颈仍有竞争力，则可以分离维度数量与方向选择两种解释，组合意义在于把几何诊断与因果对照绑在一起。

结构对手 × 解耦对手： 结构对手负责挑选架构重叠但配置不同的困难非目标对，例如 Bark 与 Bark-small，强迫模型分辨量化或容量差异；解耦对手负责挑选同说话人但不同生成器的样本对，惩罚模型依赖说话人身份走捷径；搭配理由是随机负样本缺乏边界压力，而这两类对手分别针对架构表亲混淆与说话人泄漏，组合后在保持 1 比 1 目标与非目标比例的同时提升局部挖掘的难度。

主干、池化与打分头各自承担什么计算？

主干与池化的选择经过开发集扫描，目的是找到稳定且域内验证最好的默认配置。XLS-R 是跨语言自监督语音表示，白话说就是在大规模无标注语音上预训练的特征提取器，对音素与说话人等因素已有较强不变性。默认冻结意味着训练时不更新其约 300,000,000 参数，只有池化与后续头参与优化，这样可以避免微调带来的额外自由度掩盖目标函数的效应。

池化后端把帧级序列变成 utterance 级向量，图注意力后端强调整谱时联合建模，多头因子化注意力后端强调上下文感知的加权平均，论文报告后者在开发集上更稳定。打分头方面，全局模型推理用无参数余弦相似度，成对模型训练用带参数的仿射余弦头，把余弦值线性映射后再经逻辑函数得到概率。这种设计让两类模型在推理时都可比，但训练时的优化曲面不同。初学者应注意，冻结与微调是论文明确报告的实验变量，不应从模型名称推定所有参数都参与训练。

凡是涉及微调的结论只适用于标注为微调的行。

XLS-R 主干 × MHFA 池化： XLS-R 主干负责把原始波形变成帧级自监督表示，提供跨语言语音表征基础，默认冻结以隔离目标函数效应；MHFA 池化负责把变长帧序列压缩为定长说话人或源头嵌入，用多头因子化注意力选择信息帧；搭配理由是固定这条输入到表示的通路后，性能差异才能归因于训练目标而非特征提取能力，组合后输出的嵌入向量 h 成为后续分类头或成对融合头的共同起点。

FFCosine 打分头 × 余弦相似度： 余弦相似度负责在推理时度量两个嵌入的方向一致性，作为全局锚定模型的验证分数；FFCosine 打分头负责在成对训练时对余弦值做可学习的仿射变换 s = w cos(ha, hb) + b，再输出同源概率；搭配理由是两者共享余弦几何但监督位置不同，前者不训练打分参数而靠嵌入本身可分，后者直接训练打分边界，组合比较能看出直接优化相似度是否改变嵌入的方差分布。

从计算角度看，一个样本的前向过程是波形到帧表示再到定长嵌入，成对模型在此基础上再做 1 次双样本融合。全局模型的验证分数完全由嵌入几何决定，成对模型的验证分数还受融合头仿射参数的影响，这也是作者在补充中尝试无参数余弦间隔损失的原因之一，用于检验打分头本身是否带来偏差。

训练如何组织：数据、试次与轮次预算怎样固定？

训练组织的核心是公平比较。数据层面域内开发与评估都来自同一多语言反欺骗数据集的第八版，域外评估来自系统性变化的数据集，两者生成器分布与通道条件不同。试次层面成对开发列表固定为 97,000 条，避免每次随机采样引入不可比的难度波动。对手挖掘的具体操作是每批把 50% 的随机非目标替换为对手对，包括架构重叠的结构对手与同说话人不同生成器的解耦对手，同时保持 1 比 1 的目标与非目标比例。

优化层面主干默认冻结，池化与分类或融合头参与训练，优化器家族保持一致，轮次预算固定。需要指出的是论文未给出完整的学习率、批量大小与优化器超参数表，复现时只能以作者发布的训练与评估代码为准，而本次解读不能声称该代码当前可达。补充消融还包括从全局基线初始化成对训练，以及用原始余弦加间隔损失替代二元交叉熵，结果是这些变体在域内更差且未改善域外，整体排序不变。

训练阶段没有对阈值做优化，阈值只在评估时按等错误率或固定误接受率事后确定，因此低误接受率下的召回反映的是分数分布的尾部行为，而非某个可部署阈值的直接收益。

实验条件如何保证可比：划分、协议与指标方向是什么？

实验按问题组织为 3 层：主比较检验全局与成对在域内的验证误差与严格工作点召回，对照检验主干微调与嵌入瓶颈能否解释差距，诊断检验嵌入方差集中与分数尾部重叠的机制。数据划分上域内用于调参与主评估，域外仅用于评估，不参与训练选择。评估协议为声明式注册，R 等于 1 时每个声明只注册一条语音，R 等于 5 时取多条注册中最高相似度作为分数，这种取最大值的操作会提升召回但也可能引入偶然匹配，解读时应同时核对 R 等于 1 的结果。

指标方向上等错误率与归一化检测代价越低越好，固定低误接受率下的真阳性率越高越好。论文对归一化检测代价的定义是目标先验为 1%、漏检与误接受代价均为 1 时相对全部拒绝基线的归一值，域外因该代价饱和而不再报告。聚合方式为 3 个随机种子的均值加标准差，表格中的正负号表示种子间波动，而非置信区间。硬件与训练时长在正文中未系统报告，因此不能比较训练成本或推理延迟，只能说在固定轮次预算下观察到的精度差距。

域外结果因整体严重退化且严格召回极低，作者明确要求视为提示性排序，这一点在引用时必须保留。

主结果显示什么：在相同预算下谁的域内误差更低？

比较的问题是：在匹配主干、池化与数据轮次预算时，全局锚定与成对验证哪一个域内验证误差更低，严格低误接受率下的召回谁更强。公平条件是默认都用冻结的 XLS-R 加多头因子化注意力，成对默认用中间采样与仿射余弦头，评估都用 R 等于 1 的声明协议，指标方向为等错误率越低越好、固定误接受率召回越高越好。下表把论文文字中直接报告的关键数字整理为可复述的形态，数值与单位保留原文写法，百分号只出现在原文明确给出的位置。

为理解严格工作点的行为，需要先读检测错误权衡曲线。该曲线横轴为误接受率、纵轴为误拒绝率，越靠近左下越好，对角线交点对应等错误率。

看图路径： 1. 先确认横轴为误接受率、纵轴为误拒绝率，左下为严格低误接受工作区；2. 再比较域内蓝色全局曲线与橙色成对曲线在左下的上下位置关系；3. 然后观察域外两条曲线整体上移且互相靠近，判断域偏移的主效应；4. 最后找到对角线附近的等错误率标记点，核对图例中的等错误率数值

论文图 1。原论文 Figure 1：“DET curves for the best Global and Pairwise check- points on MLAAD (left) and STOPA (right). Differences at strict operating points are dominated by low-FPR tail overlap.”。

从像素可见，域内蓝色全局曲线在左下明显低于橙色成对曲线，说明在严格低误接受区全局的漏检更低；图例中最佳检查点的等错误率分别标注为 5.43% 与 9.18%，这是单次最佳检查点而非 3 种子均值，与正文表格均值存在口径差异，引用时不应混用。域外两条曲线整体大幅上移且互相靠近，绿色成对与红色全局在很大范围内重叠，说明域偏移是主效应，目标函数差异在域外被压缩。

表后解释是：全局在域内同时赢得平均误差与严格召回，成对经对手挖掘与主干微调有所改善但仍未反超；代价是域外所有方法都退化到等错误率约 30% 左右、严格召回约 1%，目标函数排序不再稳定。未胜出项是成对的硬负挖掘与方向性覆盖，它们在域内并未优于随机采样，这是一个明确的负结果。

维度对照能否解释差距：低维本身是否必然更差？

消融要回答的问题是：成对模型嵌入方差更集中，是否只是因为它有效维度更低，而任何低维嵌入都会同样差。公平条件是在全局监督下人为加入 10 维或 13 维瓶颈，再与成对模型比较域内误差。指标方向不变，仍看等错误率与严格召回。下表整理论文对嵌入集中度与瓶颈对照的直接报告，k99 数值保留原文约数写法。

读累计方差曲线时，横轴为主成分序号、纵轴为累计解释方差，曲线越快接近 1 说明能量越集中。

看图路径： 1. 先确认横轴为主成分序号、纵轴为累计解释方差，曲线越陡说明集中越快；2. 再比较全局曲线爬升较缓与成对曲线在前 10 阶快速接近 1.0 的差异；3. 然后观察全局瓶颈与非瓶颈曲线的相对位置，判断人为降维是否同样陡峭

论文图 2。原论文 Figure 2：“Cumulative variance analysis demonstrating dimen- sionality collapse.”。

从像素可见，成对的两条虚线在前 10 阶快速爬升到接近 0.9 以上，而全局实线爬升明显更缓，需要更多主成分才能达到相同累计方差；全局瓶颈曲线的起点较高但整体仍与全局族更接近，而非与成对曲线完全重合。这个形态支持论文的有限解释：差距不仅是保留了多少个方向，还包括保留了哪些方向。表后需要强调反例：k99 只是方差集中度的度量，不直接度量任务相关信息量，因此不能把 k99 小直接等同于信息丢失，论文也明确把嵌入衰减当作诊断而非完整解释。未评测边界是更强或不同调参的对比损失与代理损失可能带来不同权衡，本文结论只覆盖所测试的二元交叉熵成对设置。

分数尾部与细粒度错误如何锁定代价？

第二个诊断回答均值分离与尾部分离的权衡。论文报告成对系统能把目标与非目标均值推得更开，但两类分数分布更宽、拖尾更重，白话说就是平均看分得开，但在严格阈值处仍有较多交叉。下表把细粒度错误分解与二元探针结果整理为可复述形态，错误计数保留原文整数，探针等错误率保留原文写法。

分数累积分布图把目标分数的累积分布与非目标分数的 1 减累积分布画在同一分数轴上，两条曲线交叉附近的重叠决定了严格阈值下的错误。

看图路径： 1. 先确认上下面板分别为全局瓶颈与成对微调模型，横轴为分数、纵轴为累积概率；2. 再区分橙色目标分数累积曲线与蓝色非目标 1 减累积曲线的交叉与尾部重叠；3. 然后找到菱形均值点与 95% 和 99% 分位竖线，比较两类分布的拖尾宽度

论文图 3。原论文 Figure 3：“Score CDFs on MLAAD for Global (CE) embneck13 (top) and Pairwise Rival + XLS-R finetune (bottom).”。

从像素可见，上面板全局瓶颈模型的蓝色非目标曲线从左向右平滑下降、橙色目标曲线在右侧陡峭上升，两类均值点距离适中且分位竖线相对集中；下面板成对模型的蓝色曲线在零分附近急剧下跌后长期平坦，橙色曲线在中段平坦而在最右端陡升，说明大量分数被推向两极但中段仍有重叠，均值分离大而尾部重叠并未消除。这个观察与表格中架构表亲 3 倍混淆增加的现象一致：全局保留了分辨容量差异的方向，成对因方差集中可能压缩了这些细微方向。

表后必须保留共同局限：对于共享架构与训练数据的数字孪生对，两类模型都接近随机猜测，二元探针显示跨语料区分很容易而同数据区分可达 39% 等错误率，说明当前主干特征对容量变化本身不敏感，这是提取器的局限而非单纯目标函数的局限。

哪些结论不能推广：域外、成本与未检验目标是什么？

论文的直接报告是域内全局更优，支持性解释是目标函数塑造了保留方向，待验证的推测是更少方向导致细微线索编码困难。相关性不等于因果，k99 与错误增加同时出现，但没有干预实验能证明只要增大 k99 就能恢复分辨率。域外是主要限制，所有方法在系统性变化数据集上都大幅退化，严格误接受率下的真阳性率仅约 1%，检测代价饱和到接近全部拒绝，因此不能用域外等错误率的微小差异宣称某种目标更具泛化性。

成本方面原文未报告训练时长、参数更新量、推理延迟与输出帧率，冻结与微调的计算差异也未量化，因此不能承诺成对或全局在效率上更优。未检验边界包括监督对比损失、代理损失、不同池化头与不同主干，补充中的余弦间隔损失与全局初始化成对训练都更差，但这不代表所有度量学习目标都会更差。另一个特有误解是把低维等同于低质，本文的瓶颈对照恰好反驳了这一点：全局 10 维仍有竞争力，说明关键是哪些方向被强调。

引用时应区分单次最佳检查点与 3 种子均值，图例中的 5.43% 与表格中的 8.61% 口径不同，不应直接比较大小来质疑结果。

复现先做什么：如何一步步重建可比流水线？

复现的第一步是重建数据与协议，而不是先调模型。先准备域内数据集的评估划分与域外数据集，固定成对开发试次列表为 97,000 条并保持目标与非目标比例，再实现基于声明的注册评估，R 等于 1 用于跨数据集一致，R 等于 5 用于与先前工作对照并取注册中最高相似度。第二步固定主干与池化，默认用冻结的 XLS-R 加多头因子化注意力，把全局分支实现为 24 类交叉熵加推理余弦打分，把成对分支实现为仿射余弦融合头加二元交叉熵，并保持数据与轮次预算一致。

第三步实现 4 种试次策略，特别注意对手挖掘每批替换 50% 随机非目标且保持 1 比 1 比例，结构对手按架构重叠挑选，解耦对手按同说话人不同生成器挑选。第四步加入两个对照：主干微调与 10 维或 13 维全局瓶颈，用于检验适配与维度解释。第五步按 3 个种子聚合等错误率、归一化检测代价与固定误接受率召回，并绘制检测错误权衡曲线、累计方差曲线与分数累积分布。

缺项是原文未给出完整超参数与硬件预算，复现时需以论文所述代码仓库为准，但本次无法确认该链接当前可达，因此不应写成已公开可用。何时值得尝试全局锚定：当任务线索细微且需要在严格低误报下工作时，先从全局分类监督起步；仅当成对验证在目标低误报点 demonstrably 改善时才切换，这是论文给出的使用指南。

收束：该记住的方法选择与代价是什么？

综合全部证据，值得记住的判断是：在本文匹配的流水线与预算下，全局锚定是更强的起点，它在域内同时赢得平均误差与严格召回，而所测试的成对验证即使加入对手挖掘与主干微调仍未反超。支持这一判断的最强证据是域内等错误率从成对的 12% 到十五降到全局的 8.61% 附近，以及全局瓶颈在 10 维仍保持竞争力，从而排除单纯维度解释。主要代价是域外整体退化与严格召回极低，任何关于泛化优势的说法都只能是提示性的。

机制上的启示是均值分离不等于尾部分离，直接优化相似度可能把方差压到少数方向并加重拖尾，这对法医阈值恰恰最不利。后续验证应补三项：更强对比或代理损失在相同预算下的低误报表现、对容量差异方向的可解释分析、以及跨通道与跨说话人条件下的系统性评估。学习依赖上，先掌握声明注册与阈值权衡，再理解交叉熵与成对损失的监督差异，最后用 k99 与分数分布把几何诊断与错误分解联系起来，才能完整复述本文的方法与结论。

⚖️ 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