校准源放在哪里才能让分布式麦克风阵列标定更准：以克拉美罗下界为目标的声源位置优化

英文题目：Optimal Source Placement for TDoA-based Geometry Calibration of Distributed Microphone Arrays

会议身份：conference:interspeech:2026:conference-paper-id:wang26ba_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：#形式化分析 #麦克风阵列 #语音 #声源定位

评分：6.0/10 | 创新 1.3/2 | 技术严谨 1.1/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 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

• Xu Wang：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
• Qingying Zhao：机构信息未能从会议 PDF 纯文本可靠映射
• De Hu：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

分布式麦克风阵列几何校准需从到达时间差观测中同时恢复麦克风位置与采集时间偏移，随机校准源布置常导致估计方差偏大。本文先基于含采集时间偏移的到达时间差模型推导费雪信息矩阵与CRLB，再以最小化CRLB迹为目标在房间盒约束内直接优化全部N个机器人声源位置，随后用多阶段策略将2N维联合优化拆为先联合优化K个位置再逐个贪心追加。该设计相对已有随机源校准的关键差异在于把源位置从被动采样变为面向估计下界的主动设计变量，因而更贴合到达时间差几何敏感性。在M=N=10、混响时间0.3s、信噪比15dB的声学仿真条件下，一阶段方法的指标MSEr为0.0489 m2，低于随机布置的指标MSEr 0.240 m2。该结论依赖已知房间范围与粗略麦克风初值，且仅在高斯噪声与中等混响噪声下验证，重强反射、大 TDoA 野值或三维大空间的外推尚未验证。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，目标是什么：为什么要标定分布式麦克风？

本文的输入是分布式麦克风阵列录到的校准声音，以及发出这些声音的声源已知位置，目标是同时估计每个麦克风的 2 维或 3 维坐标和各节点的时钟偏移。研究对象是日常智能设备构成的分布式阵列，例如手机、平板和笔记本电脑各自带一个麦克风，分散摆放在房间不同位置。

与传统固定几何的集中式阵列不同，分布式阵列的空间分辨率更高，但麦克风位置事先未知，而声源定位、波束形成和声学监测等后续任务都把麦克风位置当作先验知识，因此几何标定是不可缺少的第一步。初学者容易误以为只要录到声音就能直接做波束形成，实际上若位置误差达到几十厘米，波束指向和到达时间差预测都会系统性偏离。另一个必须保留的信息是时钟不同步：每个设备开始录音的时刻不同，原文用捕获时间偏移来建模这种偏差。

到达时间差相比到达时间少受声源发声时刻影响，相比到达方向又不要求每个节点有多麦克风，因此本文选择基于到达时间差并显式保留时钟偏移的标定路线。输出是麦克风位置估计和距离化后的时钟偏移估计，评价用位置均方误差和偏移均方误差，以及对应的克拉美罗下界。本文没有公开代码、模型或数据的可用声明，证据中未发现完成超文本传输安全协议状态验证的资源，因此不能声称任何实现已公开，复现只能按论文文字重写流程。

术语速查：初学者先记住哪几个白话含义？

为便于复述，这里用白话再固定 1 次术语。分布式麦克风阵列指多个空间分散的单麦克风设备组成的阵列，英文为分布式麦克风阵列，后文简称分布式阵列。几何标定又称自定位，指估计麦克风位置的过程，后文简称标定。到达时间差指同一声音到达两个麦克风的时间之差，后文简称时间差。捕获时间偏移指各设备开始录音时刻的差异，后文简称时钟偏移，乘以声速后称为距离化偏移。

克拉美罗下界指无偏估计方差的理论下限，后文简称下界。费雪信息矩阵指观测中关于未知量的信息总量，后文简称信息矩阵。1 阶段与多阶段指两种声源优化流程，前者同时优化全部声源，后者分阶段追加。学习依赖是：先懂时间差与时钟偏移为何同时出现在观测中，再懂信息矩阵如何把几何灵敏度加总为下界，最后才能理解为何最小化下界等价于寻找最优声源布置。

教学例子：把信息矩阵想象成多角度视力表，每个声源提供一个视角，视角越分散，总视力越好，下界就是配镜后仍剩的最小模糊度。

已有路线做了什么，为什么随机放声源不够？

按同输入、同目标、同监督来对照，已有几何标定方法可分为 3 类。第一类用到达方向，需要每个分布式节点自身就是小阵列才能测向，硬件要求高。第二类用到达时间，把声源发声时刻和捕获时间偏移一起当作未知量，偏差来源更多。第 3 类用到达时间差，只受捕获时间偏移影响，通用性更强，本文属于这一类。在到达时间差路线内部，又分为忽略时钟偏移和显式建模时钟偏移两种做法。

前者先用外部同步方法估计时钟再代入定位，后者把位置和时钟放在同一个最大似然代价函数中联合估计，例如用低秩近似同时估计位置和时钟偏移，或用端射方向声源的最大最小到达时间差推导麦克风对距离。原文指出，这些已有方法都采用随机分布的校准源，而克拉美罗下界依赖于声源与麦克风的相对几何，随机放置可能导致下界偏高。也就是说，同样的噪声水平下，几何不好会放大估计方差。

与之相对，声源定位领域已有大量最优麦克风放置研究，但反过来的最优声源放置用于几何标定仍是开放问题。本文的差异在于声源位置可控，例如已知位置的声源或用移动机器人依次到多个位置发声，此时可以主动设计声源几何来压低标定下界。教学例子：把麦克风想象成房间里分散的听众，声源是讲台位置，若所有讲台都挤在同一角落，听众难以分辨彼此相对位置，若讲台分散包围听众，相对距离差异更显著，标定更准。

同条件对照：本文与相邻工作在输入监督上有何不同？

按同输入、同目标、同监督、同运行阶段做有源对照更公平。同输入都是麦克风录音，但到达方向路线要求每个节点有多麦克风，本文只要求单麦克风，硬件门槛更低。同目标都是估计位置，但部分时间差路线忽略时钟偏移并假设已同步，本文显式估计相对时钟偏移，适用未同步的分布式场景。同监督方面，部分工作假设声源位置已知，本文同样假设机器人位置已知，但进一步要求位置可优化而非随机给定，这是新增的动作。

同运行阶段方面，声源定位的最优传感器放置研究优化的是麦克风位置以定位声源，本文反过来优化声源位置以标定麦克风，目标函数从定位下界变为标定下界，不能把两类下界数值直接比较胜负。类别差异不能当同条件胜负，例如用多麦克风节点的到达方向方法在同步良好的小房间可能更准，但这不否定本文在单麦克风未同步场景的价值。

复现时若要对比，应固定同一房间、同一噪声、同一标定求解器，只换声源布置策略，并同时报告位置与偏移两组指标，避免只报一组而掩盖另一组的代价。

问题如何形式化：未知量、观测量和约束是什么？

设 2 维空间中有 M 个麦克风，每个节点带一个麦克风，位置记为麦克风位置向量，机器人依次在 N 个已知位置发声，充当多个校准源。机器人只是可行的实现方式之一，不是必须条件，关键是声源位置已知且可控。从第 n 个声源到第 i 个麦克风与参考麦克风 1 的到达时间差观测，被建模为两段距离差除以声速，加上两个节点的捕获时刻差，再加零均值高斯噪声。把等式两边同乘声速后，观测量变为距离差加距离化时钟差加噪声，噪声标准差也相应换算。

未知量包括全部麦克风位置矩阵和全部距离化时钟偏移向量。估计采用最大似然代价函数，即对所有声源和所有非参考麦克风，求预测距离差加时钟差与带噪观测之间平方误差之和最小。该问题非凸，需要梯度类方法求解，原文强调只有在全局最优附近有好的初值时，解才能接近克拉美罗下界。优化声源位置时还有房间盒式约束，即声源横纵坐标必须落在房间长宽范围内，声学仿真中还进一步要求离墙至少 1.5 米以减轻强反射。

初学者要注意，纯声学测量只能提供相对时钟偏移信息，因此参考麦克风的时钟被固定为零，费雪信息矩阵是秩亏的，求逆需理解为伪逆。这是后续所有下界计算的前提。

方法全景：从一个样本走完输入到输出

沿一个样本走一遍有助于建立整体依赖。输入是一个声源位置和全部麦克风的真实或粗估计位置，先计算每个麦克风到该声源的距离和单位方向向量，再组装该声源对应的雅可比矩阵，其中位置部分反映距离差对麦克风坐标的敏感度，时钟部分是固定的负单位矩阵与单位矩阵拼接。表示层是该声源的费雪信息贡献，即雅可比转置乘噪声协方差逆再乘雅可比，噪声协方差具有对角加全 1 矩阵的结构，源于所有到达时间差共享参考麦克风噪声。

组件层把 N 个声源的信息贡献相加得到总费雪信息矩阵，再求伪逆并取迹得到标量下界。目标层是最小化该下界，变量是全部声源坐标，约束是房间盒式范围。输出是最优声源布置，再用这组声源重新采集到达时间差并求解最大似然问题，得到麦克风位置和时钟偏移。原文提出两种承担优化职责的流程：1 阶段法同时优化全部 2N 个变量，多阶段法先联合优化 K 个必需声源再逐个追加。求解器都采用带投影的自适应矩估计加同时扰动随机逼近来近似梯度。

复杂度随声源数线性增长，这是引入多阶段法的直接动机。

核心组件如何计算：信息矩阵、下界与投影优化的分工

本节把 4 个关键机制讲清。第一，到达时间差观测模型把几何与时钟解耦，几何部分是两个欧氏范数之差，时钟部分是两个距离化偏移之差，噪声是换算后的高斯噪声。第二，费雪信息矩阵按声源求和，每个雅可比的位置块包含负的参考方向行向量和对角化的各麦克风方向，时钟块与声源无关。噪声协方差逆有闭式结构，因此目标函数可写成不含显式协方差逆的形式，只保留单位矩阵加全 1 矩阵的逆。

第三，克拉美罗下界取总信息矩阵伪逆的迹，原文明确指出该下界与捕获时间偏移无关，只随麦克风与声源相对几何变化，这正是可以优化声源位置的理论依据。第四，优化采用自适应矩估计迭代，动量因子、步长和防止除零的小常数按原文设置，同时扰动随机逼近用小扰动量分别前后求值来近似偏导并做归一化，更新后投影回盒式可行域。

初学者要先理解白话含义：信息矩阵回答每个方向的观测有多灵敏，下界回答灵敏度折算成的最小方差，投影回答每次更新后若跑出房间就拉回来。

到达时间差 × 捕获时间偏移： 到达时间差负责消除未知的声源发声时刻，只保留麦克风之间的相对到达差异，捕获时间偏移负责刻画各分布式节点录音起始时刻不一致引入的偏差，二者搭配的理由是分布式阵列无法保证同步采样，必须在观测模型中同时保留几何距离差和时钟差，组合后得到既含位置未知量又含时钟未知量的似然函数，为后续费雪信息矩阵和下界优化提供统一目标。

克拉美罗下界 × 费雪信息矩阵： 费雪信息矩阵负责把每个声源位置处的几何雅可比和噪声协方差累加为总信息量，克拉美罗下界负责对其求逆并取迹得到无偏估计可达的最小方差，搭配理由是直接优化估计误差不可微且依赖具体求解器，而下界只依赖声源与麦克风相对几何，组合后把声源放置问题转化为在房间约束下最小化下界的可优化问题。

1 阶段解法 × 多阶段解法： 1 阶段解法负责同时决定全部 N 个声源位置以获得全局最优的下界，多阶段解法负责先联合优化 K 个必需声源再逐个贪心追加剩余声源以降低维度，搭配理由是声源数增大时 1 阶段优化变量维度为 2N 且梯度估计代价上升，组合意义在于用小规模联合优化保证可辨识性，再用一系列 2 维子问题快速逼近 1 阶段性能，兼顾精度与运行时间。

同时扰动随机逼近 × 自适应矩估计： 同时扰动随机逼近负责在下界目标解析梯度难求时用 2 次带扰动的目标函数求值近似每个维度的偏导，自适应矩估计负责用 1 阶和 2 阶矩的偏置校正来自适应调整每维步长，搭配理由是下界涉及矩阵求逆求迹，直接求导复杂且噪声大，组合后形成对盒式约束做投影的随机优化迭代，能在房间范围内稳定更新全部声源坐标。

没有神经网络训练时，真正的计算过程是什么？

本研究没有训练任何神经网络模型，因此该节必须明确说明未训练的对象，再讲实际执行的计算。未训练的是声学特征提取器、神经定位器或去混响网络，全文不包含反向传播更新网络权重、训练集划分训练轮数或验证集早停。真实计算分为两类。

第一类是标定求解：给定声源位置和带噪到达时间差，用数值优化求解最大似然问题得到位置和时钟估计，高斯噪声实验用表格计算软件的约束优化函数并以真实位置初始化以避开局部最优，声学仿真实验用广义互相关相位变换从语音信号直接估计到达时间差。

第二类是声源布置优化：给定粗估计或真实的麦克风位置，用带投影的自适应矩估计加同时扰动随机逼近最小化下界，1 阶段法 1 次优化全部声源，多阶段法先解小规模问题再逐个解 2 维子问题。参数冻结与更新的含义在这里是：优化声源时麦克风位置被当作已知常量而不更新，优化标定时声源位置被当作已知常量而不更新，不存在梯度在两者之间来回流动。

原文未报告自适应矩估计的具体迭代停止阈值和扰动量的具体数值选择依据，这属于具体缺项，复现时需自行记录收敛曲线。不能把无训练等同于确定性求解，因为同时扰动近似和随机初始化都引入随机性，多次运行结果会有波动。

实验条件如何设置：房间、噪声与评价指标方向

实验按 3 个问题组织，条件保持一致才能比较。房间设置上，麦克风随机分布在长宽各在 6 米到 10 米区间采样的房间，高斯噪声实验声速设为 343 米每秒，时钟偏移在 0 到 1000 微秒区间随机生成，声学仿真实验房间长宽在 8 米到 10 米区间采样，采样率 48 千赫，声源发射 0.5 秒语音信号，混响时间与信噪比分别控制，声源被约束在离墙至少 1.5 米的区域。

测量生成上，前两个实验在真值上加零均值高斯噪声，标准差由距离噪声换算，第 3 个实验用镜像源法仿真房间冲激响应并用广义互相关相位变换估计到达时间差，更接近实际。优化器参数设为 1 阶矩 0.9、2 阶矩 0.99、步长 0.6、防止除零常数 1 的负 8 次方，房间边界作为盒式上下界，实验在某款处理器与 32 吉字节内存的表格计算软件环境运行。评价指标分为位置与偏移两组：位置下界与位置均方误差，偏移下界与偏移均方误差，均在 100 次蒙特卡洛试验上平均，误差越小越好。

基线是随机放置，即声源在房间内均匀随机选择。比较的公平条件是同一组麦克风、同一噪声水平和同一标定求解器，只更换声源布置。需要保留的关键超参数和信息条件是：优化声源时依赖粗估计的麦克风位置，而非真实位置，这是可部署策略与理想策略的区别。

主结果：在高斯噪声下最优放置是否一致更好？

该小节回答核心问题：同样噪声下，最优声源布置能否同时压低位置和时钟误差。导读：下图左右两面板分别显示位置均方误差和偏移均方误差随距离噪声的变化，纵轴为对数刻度，包含随机放置、带位置误差的 1 个阶段、无位置误差的 1 阶段以及各自下界共 5 条曲线，观察重点是全程上下关系与两条 1 阶段曲线的重合度。

看图路径： 1. 先看横轴是否为测量噪声并确认纵轴为对数刻度的位置误差与偏移误差；2. 再对比红色随机放置曲线与蓝色绿色一阶段曲线在全噪声范围的上下关系；3. 然后观察黑色实线与黑色虚线两条下界曲线的相对位置；4. 最后检查有无麦克风位置误差的两条一阶段误差曲线是否基本重合

论文图 1。原论文 Figure 1：“MSEs of different source placements under varying measurement noise σd.”。

像素显示的结论是：在全部噪声水平下，红色随机放置曲线位于最上方，蓝色与绿色 1 阶段误差曲线位于下方且几乎重合，黑色实线随机下界高于黑色虚线 1 阶段下界，说明优化后的几何本身具有更低的理论极限，且用粗估计位置优化的版本没有明显损失。原文用文字报告支持该判断，指出带麦克风位置误差的 1 阶段性能接近不带误差的理想版本，表现出对初始误差的鲁棒性。

限制是该图未给出具体数值刻度点，只能判断趋势与相对差距，不能读出精确到小数点的误差值，精确数字需看表格。总体趋势不等于每组房间都成立，因为房间尺寸和麦克风布局每次随机，平均结果好不代表某个极端布局下仍好。

声学仿真与效率：混响噪声下还能赢吗，时间省多少？

本节回答更接近实际的两个问题：从信号估计的到达时间差不再是高斯噪声时是否仍有效，以及多阶段是否真省时间。实验设置麦克风与声源数均为 10，混响时间 0.3 秒、信噪比 15 分贝作为基准，再分别让混响时间在 0.2 秒到 0.4 秒变化而信噪比固定 25 分贝，以及信噪比从 0 分贝到 20 分贝变化而混响固定 0.3 秒。

原文报告显示，随混响加重或信噪比降低，随机与 1 阶段的位置和偏移误差都上升，因为到达时间差估计误差变大，但 1 阶段在所有测试条件下仍保持更低的位置误差，支持方法在声学环境中的有效性。效率方面，多阶段在首阶段联合优化数等于 10 时等价于 1 个阶段，首阶段数越大运行时间越长但误差越低，因为首阶段纳入更多声源可改善信息矩阵条件并抑制级间误差传播。未评测边界是存在到达时间差离群值时的表现，原文明确列为未来工作。

前段提出比较问题：在相同 10 麦克风 10 声源与相同混响噪声下，随机放置、多阶段不同首阶段数与 1 阶段的运行时间、位置误差、偏移误差如何权衡，三者中时间越短越好、误差越小越好。

后段解释主要收益与具体代价：收益是 1 阶段把位置误差从 0.240 平方米压到 0.0489 平方米，多阶段首阶段数为 4 时以 0.743 秒取得中间精度，首阶段数增至 8 时误差降至 0.0634 与 0.0353 平方米但时间增至 1.27 秒，反例是首阶段数过小时间省但精度损失大，且运行时间只计优化声源的时间而不含标定求解与信号处理时间，不能直接当作系统总延迟。

反证与消融：位置误差增大与分阶段数变化会怎样？

本节用两类论文特有细节做反证。第一类是初始麦克风位置误差的影响。原文把位置误差建模为独立同分布零均值高斯变量，标准差从 0 米以 0.2 米步长增至 1 米，距离噪声固定为 0.1 米。提出的问题是：用有误差的粗估计来优化声源，会不会导致优化方向完全走偏。公平条件是同一噪声、同一房间分布，只改变粗估计的扰动强度，指标方向仍是误差越小越好。

表后解释是：随扰动标准差从 0 增至 1 米，位置与偏移误差增量分别仅为 0.0034 平方米和 0.0016 平方米，说明方法对粗估计误差不敏感，代价是绝对误差仍随噪声增大而上升，并非完全免疫。未胜出项是理想无误差版本始终略好，只是差距很小。第二类是多阶段中首阶段联合优化数的折中，下一节表格将展开运行时间与精度的此消彼长。

前段提出比较问题：在固定距离噪声 0.1 米且扰动从无到 1 米变化时，不同扰动强度下的位置与偏移误差如何变化，指标越小越好，公平条件是同一标定求解器与同一声源优化目标。

后段解释主要收益与代价：收益是用粗估计代替真值仍能保持接近理想的标定精度，支持可部署性，代价是表中起点与终点绝对值仍在 0.02 平方米量级，且该结论只在 0.1 米距离噪声下验证，未评测更大噪声与大扰动同时出现的边界，也未胜出的理想版本提醒我们若能获得更准的初值仍有微小提升空间。

哪些结论还不能下：缺项、冲突与适用边界

区分直接报告、有限解释与未验证推测很重要。直接报告的是：在测试的房间尺寸、麦克风数、声源数、混响与信噪比范围内，1 阶段与多阶段的位置与偏移误差低于随机放置，且对 0 到 1 米的初始位置误差不敏感。有限解释的是：混响与噪声导致性能下降被归因于到达时间差估计误差变大，该解释符合直觉但原文未分离估计误差与几何优化的贡献，需待验证。

未验证推测是：更大房间、更多麦克风、3 维场景的扩展公式虽已给出可辨识条件从 4 个声源变为 5 个声源，但 3 维实验并未实际执行，不能承诺同样提升。缺失证据不是技术错误，例如原文未测量误判率、每步延迟、功耗与离群值鲁棒性，未报告自适应矩估计迭代次数阈值与扰动量选择细节，也未给出随机放置的方差范围。相关性不是因果：下界降低与误差降低同时出现，支持几何优化有效，但不能证明每次下界降低都必然带来相同比例的误差降低。

适用边界还包括声源必须已知且可到达房间内位置，若机器人定位本身有误差或无法进入最优区域，收益会打折。原文表格与图注之间未发现算术冲突，但不同指标的差值不能混放，位置误差与偏移误差虽单位都换算为米，物理含义不同，不能直接比较大小。

复现先做什么：按原文重走计算与仿真的清单

复现应先做最小可运行链路，再扩展到声学仿真。第一步按原文生成房间与真值：在 6 到 10 米区间采样房间长宽，随机布设麦克风，在 0 到 1000 微秒区间生成时钟偏移，声速取 343 米每秒。第二步生成带噪到达时间差：用距离差除以声速加时钟差加高斯噪声，注意噪声标准差的换算关系。第三步实现标定求解器：构建最大似然平方误差和，用约束优化求解，以真值附近初始化以避开局部最优，记录位置与偏移均方误差。

第四步实现下界与优化：按原文组装雅可比、噪声协方差逆、费雪信息矩阵并求伪逆取迹，用带投影的自适应矩估计加同时扰动随机逼近优化声源，盒式约束取房间边界，动量与步长按 0.9、0.99、0.6 设置。第五步做两轮验证：先用粗估计位置优化声源再重新标定，对比随机放置；再把首阶段数取 4、6、8 与 1 阶段对比运行时间与精度。声学仿真需用镜像源法生成房间冲激响应，用语音信号经广义互相关相位变换估计到达时间差，并把声源约束在离墙 1.5 米外。

保留的关键信息是蒙特卡洛 100 次平均、评价取子矩阵迹的定义，以及多阶段首阶段最小声源数的可辨识条件。资源状态方面，本次未发现可用资源，只能说链接当前不可用或本次未能确认可达，不能写已公开。

何时值得尝试，论文特有的误解如何避免？

当校准声源位置可控且房间范围已知时值得尝试本文方法，例如可用移动机器人或可摆放的扬声器依次发声，且能获得粗略的麦克风初值。若声源完全不可控或只能随机播放环境声，则退化为随机放置条件，本文的优化无从施展。若计算资源有限或要求快速给出布置，应选多阶段法并根据时间预算选首阶段数；若追求最低误差且能承受 2N 维联合优化，则选 1 阶段法。3 个特有误解需澄清。

其一，下界与时钟偏移无关不代表时钟不用估计，下界只说明理论极限不依赖时钟真值，但实际标定仍须联合估计时钟，否则距离差预测会有系统偏差。其二，用粗估计优化声源不代表不需要初值，初值仍需通过随机声源先解 1 次标定得到，只是该初值误差在 1 米内影响很小。其三，3 维扩展公式给出不代表 3 维已验证，2 维结论不能直接外推到 3 维遮挡与高度变化场景。

未来还需补的验证是含离群值时的鲁棒放置，以及机器人自身定位误差对最优位置执行精度的影响。总体判断是：该文把几何标定从被动利用随机声源推进到主动设计声源几何，证据在高斯与声学条件下一致支持，但效率与鲁棒边界仍需更多实测。

⚖️ 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