开放式助听器漏声难除：先用波束粗增强再让轻量网络同时抵消与修复

英文题目：ABSE-NET: A Lightweight Neural Model for Active Binaural Speech Enhancement in Open-Fit Hearing Aids

会议身份：conference:interspeech:2026:conference-paper-id:hu26f_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：#助听器 #波束成形 #高效推理 #主动降噪 #语音增强

评分：7.5/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 1.1/1.5 | 清晰度 0.7/1 | 影响力 0.9/1.5 | 开源 1.2/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前25% | 文档类型：方法研究

👥 作者与机构

• De Hu：机构信息未能从会议 PDF 纯文本可靠映射
• Xue Du：机构信息未能从会议 PDF 纯文本可靠映射
• Qingying Zhao：机构信息未能从会议 PDF 纯文本可靠映射
• Qintuya Si：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

开放耳助听器需从外部麦克风阵列混合声中恢复双耳目标语音并经扬声器播放，但通气孔泄漏会将外部噪声直接送入耳道并与播放信号干涉。所提主动双耳语音增强（active binaural speech enhancement，ABSE）框架先由双耳最小方差无失真响应（binaural minimum variance distortionless response，BMVDR）波束成形器做粗增强并保留空间线索，再将波束输出与参考麦克风信号拼接送入轻量神经网络。轻量网络经编码器提取隐特征、特征增强模块精炼谱时依赖与通道频时注意力、解码器映射回复数谱并经次级路径发声以抵消泄漏。与传统自适应有源控制方案不同，该推理阶段无需耳内误差麦克风。在合成双耳数据集上其感知语音质量（perceptual evaluation of speech quality，PESQ）达到3.626，超过重参数基线与传统联合滤波方法。该结论限于受控仿真方向、信噪比与头相关传输条件，存在方向失配与真实耳道差异时性能会下降。原文未披露训练时长与硬件配置，但报告了适用于耳戴设备的极低参数量与计算量水平。

🔗 开源与复现资源

• 代码相关资源：https://github.com/Bream101/ABSE-NET — 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、目标是什么，为什么开放式助听器更难？

本文的输入是助听器外部麦克风阵列在短时傅里叶变换域的多通道含噪信号，目标是在开放式佩戴条件下向双耳耳道交付清晰且空间线索保留的目标语音。输出不是直接播放波束形成结果，而是经轻量网络处理、逆变换、扬声器与次级路径传播后在耳道处与漏声叠加的最终声压。必须保留的信息包括目标语音在参考麦克风处的成分、双耳电平差与相位差所携带的方向感，以及对漏声中干扰与目标成分的区分。

开放式助听器用通气孔缓解耳闷与闭塞效应，佩戴更舒适，这是它被关注的原因，但通气孔让外部噪声绕过助听器处理直接进入耳道，形成声泄漏。也就是说，即使前端波束做对了，耳道处的信干噪比仍会被漏声拉低，且漏声中的目标成分与播放信号叠加还会产生梳状滤波等伪影。传统为封闭式设计的双耳增强方法没有为这条旁路建模，因此在开放式条件下会出现明显退化。

论文把主动噪声控制引入增强链路，用扬声器同时发出增强语音与抵消漏声的声波，靠相消干涉在耳道处做减法，这是主动式双耳语音增强的基本动机。理解这一点后，后续所有模块都可以沿一个样本追踪：外部麦克风拾音、波束粗增强、网络生成抗漏声分量、扬声器播放、耳道叠加抵消。

同输入同目标的三条路线各解决了什么、还缺什么？

第一条路线是模型驱动的传统双耳增强，代表是双耳最小方差无失真响应波束形成器与双耳多通道维纳滤波。白话说，前者是在保证目标方向无失真约束下最小化输出干扰加噪声功率，后者是在均方误差框架下权衡降噪与失真并尽量保留空间感知。它们的优点是计算高效、物理意义清晰，缺点是对空间协方差矩阵与声传递函数的估计误差敏感，一旦估计不准就会出现语音失真与空间线索破坏。

第二条路线是数据驱动的双耳增强，包括基于掩蔽估计统计量或波束权重的间接方法，以及从含噪波形直接映射到干净双耳信号的端到端方法。它们的优点是能建模复杂非线性依赖，在匹配条件下性能强，缺点是算力大、训练测试失配敏感，且大多仍按封闭式假设设计，没有处理漏声。第三条路线是主动式双耳增强，即把增强与主动噪声控制放在同一框架。已有工作有用级联或并联分别做增强与漏声抑制，也有把两者写成统一优化问题求闭式或自适应解。

它们的共同局限是依赖深入耳道内部的误差麦克风提供实时反馈，而耳道狭窄使长期佩戴不舒适、不现实；另一些无需误差麦克风的数据驱动主动控制方法又不是为助听器设计且计算开销大。按同输入、同目标、同运行阶段对照，本文的差异是明确要求部署时不需要耳内误差麦克风，同时保持轻量可穿戴，这正是后续方法设计的约束来源。

漏声与波束失真是如何写成一个待学习映射的？

论文先给出多通道麦克风信号模型，把目标语音经声传递函数、多个干扰源经各自声传递函数与背景自噪声叠加作为观测。双耳波束以左右耳参考麦克风为基准求滤波器，理想约束是目标无失真且输出干扰噪声最小。开放式下的问题被拆成两项。第一项是声泄漏：假设耳道深处有误差麦克风，其接收信号等于扬声器信号经次级路径传播后的成分加上漏声，漏声中的干扰成分直接拉低信干噪比，漏声中的目标成分又与播放信号干涉引入伪影。

第二项是语音失真：真实声传递函数不可得，估计误差使无失真约束失配，同时干扰加噪声协方差估计也有误差，导致目标与空间线索失真、降噪下降。论文把后滤波要学的映射写成以波束输出与参考麦克风信号为输入、以负漏声除以次级路径加上参考处干净目标为输出，其中第一项对应抵消漏声，第二项对应补偿波束失真。引入原始参考信号作为辅助输入的理由是保留足够的噪声信息，避免波束过度抑制后网络无据可依。

脚注明确误差麦克风主要用于信号建模与训练阶段，从而缓解推理部署对实时耳内反馈的依赖。

下面先看开放式结构的物理路径，再把该路径对应到后文的抵消目标，图中空心圆是外部麦克风，实心圆是耳道深处误差麦克风，红色箭头是漏声路径。

看图路径： 1. 先找到左侧人头与噪声云表示的目标与干扰源，再沿虚线看外部麦克风的拾音路径；2. 再沿红色实线看经通气孔直达耳道的泄漏信号路径；3. 最后沿黑色虚线看扬声器经次级路径到深处误差麦克风的播放路径，对比两条路径在耳道内的叠加点

论文图 1。原论文 Figure 1：“Acoustic leakage in semi-open-fit HAs.”。

该图显示目标与噪声同时到达外部麦克风与通气孔，外部麦克风信号用于增强，通气孔漏声直接污染耳道，扬声器信号经次级路径到达同一叠加点。这解释了为什么评价必须在耳道处做，而不是仅在波束输出处做，也解释了为什么网络输出必须包含抗漏声分量。

声泄漏 × 主动噪声控制： 声泄漏指外部含噪信号经通气孔直接进入耳道并与扬声器播放的增强信号叠加，分工是描述开放式结构特有的 2 次污染路径；主动噪声控制指由扬声器同时播放增强语音与反相声波并经次级路径在耳道处相消干涉，分工是描述抵消机制；二者搭配的理由是仅做增强不抵消则耳道处信干噪比仍被漏声拉低，仅做抵消不增强则目标语音仍淹没在噪声中，组合意义是把增强目标与抵消目标写进同一耳道残差，形成主动式双耳语音增强。

ABSE-NET 让一个样本走完输入到耳道经历了哪些操作？

ABSE-NET 对左右耳独立运行，以左耳为例可沿样本走完全程。全部麦克风信号经短时傅里叶变换后一路进入双耳最小方差无失真响应波束形成器得到粗增强，另一路取出参考麦克风的原始含噪信号，二者取实部虚部拼接成网络输入。轻量网络依次经过编码器提取潜特征、特征增强模块做层次提炼、解码器映射回谱域，再经逆短时傅里叶变换到时域，由扬声器播放并经次级路径传播到耳道，与漏声相消干涉后被误差麦克风接收为最终输出。

编码器是单层卷积，解码器是把高维特征投影回复谱维度的全连接层，中间特征增强模块重复堆叠多次，每次包含一个频率时间依赖学习块与一个卷积注意力块。输入符号记为 4 通道频率时间张量，潜特征与增强特征保持通道频率时间 3 维，解码输出为 2 通道谱表示，最终时域输出与干净语音比较计算损失。整个安排的理由是波束先保空间线索做线性粗增强，网络再做非线性残差学习，从而兼顾稳定性与建模能力。

下图是总览与两个子块的对应关系，上半为从麦克风到耳道的完整链路，下半为两个子块内部结构，阅读时先走主链路再看子块细节。

看图路径： 1. 先沿上半部分从全部麦克风经短时傅里叶变换到双耳波束与参考麦克风汇合为输入的主链路；2. 再看轻量网络内部编码器到重复多次的特征增强再到解码器与逆变换的顺序；3. 最后对比下半部分左右两个子块中残差连接与归一化、卷积、线性层的位置差异

论文图 2。原论文 Figure 2：“Proposed ABSE-NET: (a) Overview of ABSE-NET, (b) Architecture of F-TDL block, (c) Architecture of ConvAtt block.”。

从像素可见主链路中拼接节点明确标出波束输出与参考信号汇合为输入，特征增强区标注重复次数与维度保持不变，输出侧明确画出干净语音与抗漏声相加再经扬声器与次级路径到达叠加点的过程。这与上节映射的第一项抵消、第二项补偿一一对应。

双耳最小方差无失真响应波束形成器 × 轻量神经网络： 双耳最小方差无失真响应波束形成器负责利用多麦克风空间统计做粗粒度的目标保留与干扰抑制，分工是保空间线索的线性增强；轻量神经网络负责在波束输出基础上同时生成抵消漏声的分量并修复波束估计误差带来的失真，分工是非线性残差建模；二者搭配的理由是纯模型方法在协方差与声传递函数估计不准时失真大、纯数据方法算力大，而级联让网络只需学习残差映射，组合意义是把线性空间滤波的稳定性与数据驱动的漏声建模能力放在同一推理链路且部署时不再需要耳内误差麦克风。

频率时间依赖与卷积注意力分别提炼什么、如何保持轻量？

频率时间依赖学习块的动机是语音由声门周期振动经声道调制产生，天然存在频率与时间依赖。白话说，频率依赖来自基频谐波能量集中与加窗谱泄漏，时间依赖来自短时准周期与长于帧长的房间脉冲响应带来的帧间卷积。已有方法多用多头自注意力建模这些依赖，但不适合助听器算力。为此该块拆成频率依赖学习子块与时间依赖学习子块。

频率子块对每帧独立处理、跨时间共享权重，采用残差结构缓解梯度消失，先层归一化再经线性压缩、重参数化多分支 1 维卷积与线性扩展的瓶颈结构。重参数化多分支 1 维卷积在训练时用多个不同核尺寸并行，推理时融合成单个卷积核，从而训练有多尺度感受野、推理只有单核开销，文中核尺寸取 1、3、5。时间子块跨频率共享权重，同样残差结构，但把普通卷积换成因果卷积以保证只用过去与当前帧，满足实时性，且在更高维特征空间建模更复杂的时间依赖。

卷积注意力块级联在依赖学习之后做筛选，灵感是避免全 3 维注意力的开销，顺序推断通道注意力与频率时间注意力。通道注意力经频率时间全局池化压缩再经线性与激活恢复通道权重，频率时间注意力经线性压缩通道与池化得到调制系数，共同实现自适应加权。两块都刻意控制压缩维度与线性层数量，使参数与浮点运算量保持在极低水平。

频率时间依赖学习块 × 卷积注意力块： 频率时间依赖学习块负责分别沿频率维与时间维学习谐波结构与帧间连续性，分工是谱时特征的深度提炼；卷积注意力块负责沿通道维与频率时间维顺序推断注意力图并做自适应加权，分工是特征的筛选与增强；二者搭配的理由是仅有依赖学习则干扰残留仍可能被同等对待，仅有注意力则缺乏足够的谱时表征基础，组合意义是在特征增强模块中交替堆叠形成先提炼后筛选的层次抽象，且都避开多头自注意力以保持轻量。

沿样本看，编码器输出的潜特征先被频率子块按谐波结构整理，再被时间子块按帧间连续性整理，最后被注意力按通道与时频重要性加权，维度始终保持通道频率时间 3 维，解码器只需做谱映射。这种先提炼后筛选的顺序是消融中两者缺一不可的原因，也是与空间网络等重型时频建模的主要区别。

监督信号从哪里来、损失如何同时约束保真与可懂？

训练阶段使用耳内麦克风信号作为建模与监督依据，但推理阶段不需要该麦克风，这是全文反复强调的信息条件。损失定义为负尺度不变信号失真比减去加权短时客观可懂度。白话说，前者衡量目标分量与残余失真之比且对整体增益不敏感，用于优化波形重建质量；后者衡量干净与处理语音在三分之 1 倍频带包络的短时相关，用于提升可懂度。权重超参数控制两者相对贡献，文中取 10。

优化器用 Adam，初始学习率取 0.003，批量取 6，训练 60 轮至损失平稳。输入做帧级归一化以缓解能量剧烈波动，稳定学习。波束侧用理想或失配声传递函数，协方差经语音活动检测估计。需要指出的缺项是原文未报告梯度是否经次级路径传播、次级路径是否可微建模或固定，以及编码器卷积与解码器全连接的具体学习率分组，这些实现细节不能从模型名称推定。

教学例子：可以把损失理解为既要求波形形状像，又要求人耳听得懂，但这只是帮助记忆的例子，不代表二者在所有信噪比下同向变化，实际权重需要按验证集选择。

尺度不变信号失真比 × 短时客观可懂度： 尺度不变信号失真比负责度量波形重建中目标分量与残余失真的能量比且对整体增益不敏感，分工是保真度监督；短时客观可懂度负责度量三分之 1 倍频带内干净与处理语音包络的短时相关，分工是可懂度监督；二者搭配的理由是仅优化波形误差可能不对应人耳可懂度提升，仅优化可懂度可能忽视波形细节，组合意义是以加权和同时约束重建质量与感知可懂度，权重由超参数控制相对贡献。

训练的数据构造在实验节交代，训练节只明确监督来源是耳道处经次级路径传播后的最终输出与干净语音的比较，而不是波束输出处的比较，这决定了网络必须同时学会抵消与补偿，否则耳道残差无法最小。

数据、划分、基线与指标在什么条件下可比？

干净语音来自 Librispeech，噪声来自 NOISEX-92，头相关脉冲响应来自 Hearpiece 数据库，该库提供 3 个外部麦克风与一个作为误差麦克风的耳内麦克风。研究选取 24 个入射方向，12 个用于训练，另 12 个用于验证与测试，相邻方向间隔 15 度以保证空间覆盖并考察空间泛化。干净与噪声经脉冲响应卷积生成双耳分量后按负 5 分贝到 0 分贝随机信噪比混合，模拟助听器日常低信噪比困难条件，共 43200 个 2 秒样本约 24 小时，按 8 比 1 比 1 划分训练验证测试并严格互斥无重叠。所有信号降采样到 16 千赫。

短时傅里叶变换用汉宁窗长 320 跳 160。特征增强模块默认重复 4 次，通道维度取 16，瓶颈维度分别取 8、24、4、4，注意力超参数取 0.3。基线分两类可运行策略：模型驱动包括无漏声理想封闭情形的波束、有漏声的波束与能同时增强与主动控制的滤波多通道维纳滤波；数据驱动是把深度主动噪声控制与主动语音增强的 Transformer-Mamba 方法重训练到同一开放式任务。指标分 3 组：语音质量用尺度不变信号失真比、语音质量感知评估、可懂度、信号失真预测、背景噪声预测与整体质量预测，数值越大越好。

空间线索用双耳电平差误差与相位差误差，数值越小越好；计算效率用参数量与浮点运算量，数值越小越好。比较的公平条件是同一仿真数据、同一信噪比范围与同一耳道处评价点。

声传递函数误差 × 到达方向误差： 声传递函数误差指波束形成器约束中使用的目标导向矢量与真实值不一致，分工是描述模型失配的直接原因；到达方向误差指用估计方向查询个性化头相关传输函数得到声传递函数时方向估计不准，分工是描述实验中制造失配的可控操作；二者搭配的理由是真实部署中无法获得真值声传递函数而只能经方向估计间接获得，组合意义是用不同等级的到达方向偏差来定量考察波束失真与后滤波补偿能力的鲁棒性边界。

到达方向误差实验用估计方向查询个性化头相关传输函数获得声传递函数，以此制造可控失配，分别在 0 度、7.5 度与 15 度下考察波束与完整系统的退化，这为结果节的鲁棒性讨论提供协议依据。

主结果在耳道处测了什么、谁在什么指标上未胜出？

主结果回答在有漏声的开放式条件下，完整系统相对传统波束与重型数据方法的实际收益。未处理信号质量有限，无漏声理想波束把尺度不变信号失真比从负 2.781 分贝提升到 5.216 分贝，感知评估从 1.609 提升到 3.437，代表封闭式上限。但一旦存在漏声，同一波束跌到 0.878 分贝与 2.196，说明封闭式方法不能直接推广。滤波多通道维纳滤波因能联合增强与主动控制而优于有漏声波束，但线性滤波在复杂场景仍难完全消除漏声。

数据驱动中深度主动控制优于波束，主动语音增强取得最高的 10.45 分贝，而本文方法在感知评估、可懂度、信号失真预测与整体质量上最好，在尺度不变信号失真比与背景噪声预测上第二，空间误差最小或次小，同时参数与算力最低。必须保留的未胜出项是尺度不变信号失真比第一属于主动语音增强，背景噪声预测也不是本文最高，这说明轻量设计在纯波形能量比上仍有代价。

下图用同一语料的波形与语谱图做单样本可视化，上排是波形幅度随时间变化，下排是频率随时间变化的能量分布，颜色越亮表示能量越强。

看图路径： 1. 先对比四个面板上排波形包络的起伏范围，确认未处理信号的底噪厚度；2. 再对比下排语谱图中低频谐波横纹的连续性与高频区杂散能量的多少；3. 最后重点看右下面板在静音段是否更干净、在语音段谐波是否更接近左上面板

论文图 3。原论文 Figure 3：“Visualization of waveforms and spectrograms across different signal processing stages: (a) Clean, (b) Unprocessed, (c) BMVDR w/o AL, (d) ABSE-NET.”。

从像素可见未处理面板全频段被噪声铺满，谐波横纹被淹没；无漏声波束恢复部分谐波但仍有残留与断裂；本文面板在静音段更黑、在语音段低频谐波更连续且更接近干净面板，高频杂散更少。这支持定量表中感知与可懂度领先的判断，但单样本不能推广到全测试集，仍需以表中聚合指标为准。

下面比较需要先明确问题与方向：表中比较的是同一开放式测试集耳道处聚合性能，语音质量越大越好，参数与算力越小越好，公平条件是同一数据划分与重训练基线。

该表显示本文方法用约三十分之一参数与约七十八分之一算力换来感知与可懂度最好、能量比第二，代价是在该能量比上低于主动语音增强约 0.58 分贝。结合空间误差最小的报告，可以判断其优势主要在感知质量、空间保持与部署成本的综合权衡，而非所有单项全胜。若只看波形能量比则不应选本文方法，若看重助听器端侧约束则其 trade-off 更有利。

拿掉频率、时间、注意力后性能如何变化、深度如何选？

消融按问题组织：多尺度卷积是否必要、频率时间块是否可被重型模型替代、注意力是否多余、堆叠深度如何选。卷积策略对比显示异构核 1、3、5 取得 9.869 分贝、3.626 与 0.955，优于单核 5 的 7.918 分贝与同构多分支，参数与算力基本相当，支持大小核分别捕获局部细节与宽语境的解释。频率时间块对比显示其参数与空间网络相当但算力低约 7 倍，性能高 1.06 分贝。

单独去掉频率子块跌到 5.610 分贝、2.527 与 0.819，去掉时间子块跌到 6.472 分贝，去掉整个块仅剩注意力时跌到 1.769 分贝甚至低于传统滤波方法，说明谱特征是时间精修的基础、注意力不能独立处理复杂声场。注意力对比显示本文卷积注意力优于卷积块注意力，去掉通道或频率时间任一子块均退化，仅用单投影也退化，去掉整个块跌到 7.441 分贝，代价仅 0.02G 算力，说明开销合理。深度从 2 增到 5 时参数从 0.108M 到 0.113M、算力从 0.094G 到 0.230G，能量比从 9.327 分贝到 10.304 分贝，默认取 4 是性能与延迟功耗的折中。

下面聚焦失配这一失败条件：测的是不同到达方向误差下波束与完整系统的退化，条件是同一估计查询协议，指标方向是语音质量越大越好、空间误差越小越好。

该表显示波束对方向失配高度敏感，15 度时有漏声波束甚至把信号恶化到负 1.010 分贝，而完整系统在 15 度仍保持 6.434 分贝与 3.001，空间误差在各失配下也最小。这支持后滤波同时补偿波束失真的判断，但限制是仅考察静态方向偏差，未评测动态声源、混响变化与真实佩戴差异，结论不宜外推到所有失配。

哪些边界未被评测、哪些数字不能当成因果承诺？

论文直接报告的是仿真条件下的聚合提升，有限解释是轻量模块与残差学习带来效率与补偿能力，未验证推测是真实耳道、真实次级路径时变与硬件延迟下的表现。缺失证据不是技术错误，但必须明确边界。数据侧仅用仿真脉冲响应与负 5 到 0 分贝混合，未测量真实佩戴的个体差异、耳道形状变化、扬声器非线性与麦克风自噪声时变的影响。协议侧方向泛化仅用间隔 15 度的划分，未评测连续运动声源、多说话人与强混响。

系统侧训练资源、推理帧率与端到端延迟分别讨论不足，仅报告参数与浮点运算量，不能把算力低直接承诺为延迟低，因为内存访问、卷积实现与平台调度同样影响实时性。指标侧未报告误判率、主观听感测试与功耗实测，不能承诺这些量同步改善。相关性不等于因果，例如感知评估高不能反推空间误差必然小，实际是两组独立指标分别测量。

此外，误差麦克风在训练阶段仍需要，这意味着复现与个性化仍需耳内数据采集，部署免耳内麦克风不等于训练免耳内数据。

要复现应先做什么、代码当前处于什么状态？

复现先做数据与评价对齐，再做模型与消融。第一步按原文构造双耳混合：取 Librispeech 干净语音与 NOISEX-92 噪声，经 Hearpiece 脉冲响应卷积后按负 5 到 0 分贝混合，16 千赫，2 秒一段，24 方向按 12 与 12 划分且严格互斥，短时傅里叶变换汉宁窗 320 跳 160。第二步实现双耳波束基线，用语音活动检测估计协方差，分别跑无漏声理想与有漏声版本，确认出现从 5.216 分贝到 0.878 分贝的跌落，否则评价点可能不在耳道处。

第三步搭建轻量网络：编码器单卷积、特征增强重复 4 次、解码器全连接，核尺寸 1、3、5，通道维度 16、8、24、4、4，注意力系数 0.3，损失权重 10，Adam 学习率 0.003 批量 6 训练 60 轮，训练用耳内信号监督、推理去掉耳内麦克风。第四步跑方向失配与消融，验证去掉频率子块的大幅跌落与深度 4 的折中。

资源状态是正文开源声明的唯一依据，本次收到的官方代码资源状态为可用，链接当前可用，已公开代码仓库可用于核对结构与超参数，但权重下载与系统可运行仍需按仓库实际内容确认，不把代码可用等同于开箱可部署。还需补的验证是真实助听器上的延迟功耗实测与主观可懂度测试。

何时值得尝试这个方案、还需补哪项验证？

当任务是开放式助听器且必须在耳道处同时保证清晰度与空间感，同时平台算力只允许 0.1M 量级参数与 0.2G 量级算力，且部署时无法放入耳内误差麦克风，本文的先波束后轻量残差学习的路线值得尝试。它的可复述动作是波束保空间做粗增强、网络学抵消加补偿的残差、训练用耳内信号而推理不用。若追求纯波形能量比最高且算力充足，参数量大两个数量级的主动语音增强仍是更好选择；若场景是封闭式无漏声，传统波束已足够，不必引入主动抵消。

复现后最应补的验证是真实佩戴下的次级路径时变、处理延迟与功耗，以及不同耳道个体与动态声源的泛化，只有这些通过后才能把仿真中的感知与可懂度优势转为实际佩戴收益。

⚖️ 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