把可懂度放进对话时间里：舌切除患者与临床医生轮流说话时的动态测量

英文题目：Étude de l’évolution de l’intelligibilité dans une discussion : application au cas clinique de la glossectomie

会议身份：conference:jep:2026:conference-paper-id:fabriol26_jep

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #言语障碍 #语音 #说话人分离标注 #语音可懂度评估

评分：4.4/10 | 创新 1.0/2 | 技术严谨 0.7/1.5 | 实验充分 0.6/1.5 | 清晰度 0.7/1 | 影响力 0.5/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.8/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Alix Fabriol：机构信息未能从会议 PDF 纯文本可靠映射
• Mathieu Balaguer：机构信息未能从会议 PDF 纯文本可靠映射
• Julien Pinquier：机构信息未能从会议 PDF 纯文本可靠映射
• Jérôme Farinas：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为头戴麦采集的患者—临床医生半结构化访谈录音，输出为按话轮展开的双方可懂度时序变化及医生对患者影响的个案检验，难点在于医生语音微弱且对话轮次长短不一而既有模型仅给出整段单一分数。流水线先用语音活动检测筛选低能量候选并结合语音分割与说话人向量聚类区分说话人，其输出的说话人片段按同人相邻合并为话轮。接着对长短不一的话轮做滑窗切分与历史拼接以适配固定时长输入，再送入朗读语料训练的深度可懂度模型逐单元打分并做平滑，所得序列直接进入广义最小二乘回归检验医生既往话轮对患者后续话轮的影响。与整体单值评估相比，关键差异在于将静态打分扩展为对话级时序追踪，使会话同步假设可逐例检验，具有生态对话评估意义。原文未提供可核对的关键定量结果。该结论适用边界受限于小样本探索与录音条件且尚未验证因果外推，失败条件包括医生语音过弱而无法纳入分析的情形。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/wiseman/py-webrtcvad — 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：要解决的临床沟通问题是什么？

这篇工作的输入是临床真实对话录音，目标是回答可懂度在对话过程中如何变化，以及临床医生的说话是否与患者下一轮的可懂度有关。必须保留的关键信息是研究对象为接受舌全切或部分切除的患者，数据来自半结构化临床访谈，对话平均约 15 分钟，总计约 3 小时。输出不是单个总分，而是一条按轮次展开的可懂度时间曲线，再加一组检验前后轮次关联的回归结果。

对于刚进入语音领域的读者，白话解释是可懂度在这里专指发音在音素和音节层面的清楚程度，英文为 intelligibility。原文沿用共识定义，强调它描述 segmental 层面的发音质量，而不是说话流畅度或话题理解难度。这个区分很重要，因为后续模型预测的正是 6 位专家在朗读任务上打的发音分，而不是对话是否愉快。

为什么朗读总分不够用。既有自动可懂度工具多在朗读文本上验证，给整段录音一个分数，临床上也有可在平板上实时显示的移动应用。但对话中的补偿策略只有在互动中才会出现，例如患者放慢语速、加重语气，或者被对方带得更清楚。原文的动机是把单点度量加上时间维度，让研究者能看到每一轮的高低起伏，并进一步检验是否存在局部的人际对齐。

还需要理解唇口咽癌症的背景。英文常写为 oral or oropharyngeal cancer，本文用法语缩写 LBP 指代唇、口、咽部位。手术、放疗和化疗会显著改变构音器官，尤其是舌切除后舌体缺损直接影响发音准确性。作者引用既有文献说明肿瘤大小、位置和治疗方式都会影响语音后果，因此后文按个体逐例分析，而不是把所有患者平均成一个数字。

已有路线走到了哪里：为何还要做对话？

第一条路线是声学参数、严重度和可懂度的自动评估。原文提到多项针对头颈癌语音的研究，包括用伪词解码估计可懂度，以及用稳健方法评估头颈癌说话人的可懂度。这些工作证明了从声信号预测专家打分是可行的，但大多停留在朗读或受控任务上，输出是全局分数。

第二条路线是已有模型基础。本文直接复用 Quintas 在博士论文和系列论文中建立的模型。该模型不在音素转写后做比较，而是直接从声学向量表示预测可懂度，训练数据来自 C2SI 语料，包含头颈癌后患者和健康人，监督信号是 6 位专家在朗读任务上的感知分数。后续还有工作把该模型装进平板应用实现实时显示，以及探索把说话人嵌入用于自发语音。这些是本研究的起点，但原文明确指出当时每次录音只给一个分数，无法跟踪对话内的动态。

第三条路线是沟通与对齐研究。原文引用沟通模型和人际同步文献，指出对话伙伴是沟通情境中不可缺少的一方，讨论中存在人际同步，可能影响发音，甚至在临床语境下影响构音协调。也有研究问对话双方是否在发音精确度上相互趋同。这些文献不提供可直接套用的可懂度流水线，但给出了假设：临床医生的发音行为可能在局部影响患者。

对照之下，本文的增量很清晰。同样的输入都是语音，同样的目标都是可懂度，但运行阶段从朗读单点变为对话多轮。同监督是指仍用朗读专家分训练出的模型，不在对话上重新训练。同目标但不同条件，因此不能把朗读上的精度直接当作对话上的精度。本文的贡献是适配层加分析层，而不是提出新的声学模型。

问题如何形式化：从一句话到可检验的轮次关系？

形式化之前先举一个教学例子，例子不代表真实数值。假设一段对话按时间切为临床医生、患者、临床医生、患者交替的轮次，每轮得到一个可懂度分数。问题是患者当前轮次的分数，能否被此前几轮临床医生的分数解释。如果能，说明存在局部对齐的迹象；如果不能，说明患者波动主要来自自身或其他沟通因素。

原文把这个问题写成逐患者的回归。记 Y 为患者未来 3 轮可懂度的平均，X1、X2、X3 分别为言语治疗师最近一轮、倒数第二轮、倒数第 3 轮的可懂度，X4 为这 3 轮的平均，模型为包含截距和 4 个斜率的线性模型，残差假设为正态分布。分析时对变量做剪枝，只保留显著变量，并报告显著 p 值和决定系数。

这个形式化有两个细节值得初学者注意。第一，预测方向是固定的，作者明确选择研究临床医生对患者的影响，尽管反方向也可能存在。第二，观测之间可能相关，因此不用普通最小二乘的独立假设来讲故事，而是用广义最小二乘处理序列依赖，并在可懂度序列上先做三点简单移动平均以抑制单点抖动。这些选择决定了后文结果只能读作关联证据，而不是因果证明。

全景流水线：一段录音如何变成两条曲线？

沿着一个样本走完全程有助于建立整体感。输入是一段头戴麦录制的患者与临床医生对话，麦克风朝向患者，因此患者声音强、临床医生声音弱，有时非常微弱。第一步是能量分层，用语音活动检测器挑出强能量段，弱能量段另行保留。第二步是在能量均匀区间内做说话人切分，判断哪些小段属于同一说话人。第三步是对所有语音小段计算 x-vector，再用 2 类聚类分成患者簇和临床医生簇。第四步是把碎片合并为轮次，第五步是按轮次计算可懂度并画出随时间变化的曲线，最后做回归检验。

这个顺序不能随意调换。必须先解决谁在说话，才能合并轮次；必须先有轮次边界，才能决定用哪 10 秒音频送入可懂度模型；必须先有逐轮分数，才能做平滑和回归。如果跳过能量分层直接做切分，弱能量的临床医生语音容易被漏掉或误判。原文的录音条件决定了这个看似繁琐的预处理是必要的。

说话人日志 × 轮次分割： 说话人日志负责回答每一段语音是谁说的，轮次分割负责回答 1 次完整发言在哪里起止；前者输出的是碎片化的按说话人标记的语音段，后者把同一人且间隔小于 5 秒的碎片合并为一轮，二者搭配才能把连续对话变成以轮次为单位的可懂度时间序列，新增作用是保留了谁影响谁的先后顺序。

下面这张图展示了从波形到说话人标签的完整分层过程，阅读时注意强弱能量与说话人标签是两个正交维度，不要混为一谈。

看图路径： 1. 先看最上方波形振幅随时间的变化，区分强能量段与弱能量段的位置；2. 再看中间黄色与紫色块如何把同一能量层内的语音归为第一或第二说话人；3. 最后看下方主成分散点中患者簇与临床医生簇的分离，以及底部着色后的说话人标签

论文图 2。原论文 Figure 2：“Processus d’identification des segments de paroles par locuteur”。

从像素可见，最上方是振幅随时间变化的波形，横轴延伸到 80 秒左右，中间出现大段低能量静音。中间一行用字母标记能量段，其中强能量段被语音活动检测器检出，弱能量段被归为另一类。再下一行是用两种底色区分的说话人切分结果，编号小块显示同一能量段内也可能出现两个说话人。左下方的主成分散点把编号点分成患者簇和言语治疗师簇，右下方的长向量示意每个语音段对应一个 x-vector。最底部是着色后的最终标签，橙色与蓝色交替出现，中间还有一处被标注为患者的清嗓子，说明非语音事件需要被正确归属而不应计入对方轮次。

轮次如何定义：5 秒规则与 10 秒输入如何配合？

说话人切分输出的是很碎的小段，包含停顿、换气和短停。轮次在话语层面更大。原文规则是只有当相邻两段属于同一说话人且间隔小于 5 秒时，才视为同一轮。举例来说，患者一句话中间停顿 3 秒仍算同一轮，而停顿超过 5 秒或中间插入对方说话则开启新轮。这个操作的目标是研究整体互动动态，而不是轮内的微观抖动。

可懂度模型带来另一个硬约束。探索性试验表明输入必须等长才可比，且至少 10 秒才稳定。因此作者尽量贴近对话粒度做适配。当一轮超过 10 秒时，去掉静音后用长 10 秒、步长 1 秒的滑窗产生多个分数；当一轮不足 10 秒时，向前拼接同一说话人此前的语音补足 10 秒。当一轮产生多个分数时，后文每轮只保留第一个分数，避免一轮在回归中占多票。

x-vector × k-means： x-vector 负责把每段语音压缩为刻画说话人嗓音与发音特点的向量，k-means 负责把这些向量分成两类；前者提供可比较的声学身份表示，后者完成无监督的患者与临床医生 2 分，搭配理由是头戴麦偏向患者导致临床医生声音微弱，无法靠能量阈值区分，必须靠声纹聚类，组合后才得到每段的说话人标签。

下图把长轮与短轮两种适配路径画在同一时间轴上，是复现时最容易出错的地方，需要仔细对照。

看图路径： 1. 先找到上方 P2 长轮次与 O2 和 P3 短轮次的框选范围，注意 5 秒静音合并规则；2. 再看中间长轮次去静音后 10 秒窗以 1 秒步长滑动的示意；3. 最后看下方短轮次向前拼接历史语音凑足 10 秒，以及每轮只保留第一个可懂度值的规则

论文图 3。原论文 Figure 3：“Exemple de segmentation d’une discussion”。

从像素可见，上方时间轴标出患者长轮 P2、临床医生短轮 O2 和患者短轮 P3，P2 内部有多个浅蓝色语音块表示去静音前的碎片。中间分支画出长轮去掉静音后用 10 秒黑框以 1 秒步长右移的滑窗。下方分支画出短轮用白色历史语音加浅蓝色当前语音拼成 10 秒框的过程，并标注历史部分来自同一说话人此前语音。最下方两排分别显示滑窗产生的密集点序列和每轮保留一个柱状值的规则，其中一处明确标注多个可懂度值只保留第一个，柱子上还可见 7.46、8.35、6.65 等具体分值，说明同一长轮内的波动被压缩为单点后再参与对话级分析。

语音活动检测 × 能量均匀分段： 语音活动检测负责先挑出能量较强的疑似说话段，弱能量段暂存为另一类，能量均匀分段负责把能量性质一致的区间切开再送入说话人切分；前者解决临床医生远离麦克风而漏检的问题，后者避免把强弱悬殊的信号混在一起做切分，组合意义是先按能量分层再按说话人细分，提高弱说话人的召回。

组件细节：检测器、切分器与聚类各自承担什么？

语音活动检测器选用 WebRTC 的实现，通过公开代码库调用。它的任务不是做说话人判断，只是按能量和语音特性把强段挑出来。在头戴麦偏向患者的条件下，这一步相当于先承认临床医生可能藏在弱能量里，而不是直接丢弃弱信号。原文明确说先隔离能量最低的部分，再在能量均匀的音频上运行切分。

说话人切分使用 Pyannote 的流程，负责在均匀能量区间内判断语音段边界以及是否属于同一说话人。图 2 的例子显示某些大能量段内部被切出两个说话人，而其他段只有一个说话人。这一步输出的是局部相对标签，例如第一说话人与第二说话人，还不能直接说谁是患者。

最终身份由 x-vector 加 k-means 确定。x-vector 把每段语音映射为说话人嵌入，刻画嗓音与发音的整体指纹，k-means 设为两类完成分离。原文引用说话人识别中的经典嵌入方法和聚类文档，聚类后根据能量和数量等先验对应到患者与临床医生。由于录音只有 2 人对话，两类假设是合理的，但如果录音混入第三人或大量非语音，该假设会失效，这是复现时需要检查的边界。

本研究训练了什么：没有训练时真实计算是什么？

本研究没有训练新的可懂度神经网络，必须明确说明这一点以免误解。训练发生在前人工作中，数据是 C2SI 语料的朗读语音，监督是 6 位专家打分的平均，输入表示是 x-vector 一类的声学向量，输出是 0 到 10 的可懂度分数。本文是推理加适配，不更新模型权重，不报告梯度路径、优化器、学习率或早停，原文也未给出这些细节，因此不能从模型名称推定其内部结构。

真实计算过程是调用加构造。调用是指对每个 10 秒输入提取向量并前向预测得到分数；构造是指滑窗、拼接、每轮取首值和三点移动平均。检索或仿真在本研究中不存在，标注也不是重新听写文本，而是复用专家分数训练出的映射。把无训练等同于确定性求解是错误的，因为即使参数冻结，语音活动检测、切分和聚类的结果仍受阈值、随机初始化和录音条件影响。

可懂度预测 × 滑动窗口拼接： 可懂度预测负责把一段声学向量映射为 0 到 10 分的发音清晰程度，滑动窗口拼接负责把长短不一的轮次凑成模型要求的 10 秒输入；前者是已在朗读任务上训练好的深度模型，后者是为对话改造的输入适配器，搭配后长轮次用 10 秒窗步长 1 秒滑窗，短轮次向前拼接同一人历史语音，新增作用是让单点总分变为随时间展开的曲线。

还需要交代冻结与更新的缺项。原文没有说明可懂度模型在对话数据上有无微调，也没有报告在自发语音上的校准误差。唯一明确的方法约束是等长和最小 10 秒，以及为此做的拼接策略。因此后文所有结论都应理解为在该适配策略下的观测，而不是模型本身在对话上被重新证明有效。

数据与协议：在什么录音上验证？

数据来自 SpeeCOmCo 语料，包含 27 例唇口咽癌治疗后患者的自发对话录音及大量元数据，其中包括由 6 位专家组成的评审团给出的感知可懂度参考分，取平均为最终分。本文只取其中接受舌全切或部分切除的 13 例，访谈围绕 ECVB 问卷展开，主题涉及疾病对日常沟通、生活质量和习惯的影响，结构上有主题引导但允许自由发散。录音设备是患者佩戴的头戴麦，这解释了临床医生声音微弱的系统性偏差。

下表把总量、子集、参考分范围与录音时长放在同一视图下比较，阅读时注意总量与子集、个体范围与平均值不要混淆，单位保留原文写法。

上表提出的问题是样本是否足够异质且有足够时长支撑时间序列分析，公平条件是同一语料、同一专家平均分和同一访谈提纲，指标方向是参考分越高表示发音越清楚。表后解释是主要收益为覆盖从极重度到完全可懂的宽范围，平均 6.9 说明整体仍有可分析的波动空间，代价是仅 13 例且总计约 3 小时，无法支撑跨人群泛化，反例是部分录音中临床医生几乎听不见，后文有 2 例因此被排除。

下图进一步展示舌切除亚组的临床异质性，阅读时先确认饼图对象是亚组而非全部 27 例。

看图路径： 1. 先看左侧肿瘤大小饼图中 TNM 分级为 4 的紫色扇区占比；2. 再看右侧是否接受放疗饼图中绿色与浅黄色扇区的比例；3. 结合图注确认该图描述的是舌切除亚组而非全部 27 例

论文图 1。原论文 Figure 1：“Caractéristiques des patients glossectomisés dans le corpus SpeeCOmCo”。

从像素可见，左侧肿瘤大小饼图标注了未提供、2、3、44 个类别，其中紫色代表的 4 类占 45%，两个 24% 扇区和一个 7% 扇区构成其余，右侧放疗饼图中绿色代表接受放疗占 93%，浅黄色代表未接受占 7%。这说明亚组中大肿瘤和接受放疗占主导，个体临床背景差异大，后文逐例回归而不是混合建模是合理的。但该图未给出舌全切与部分切除的具体人数切分，也未给出每例的参考分，复现时需回到元数据表补齐。

主结果：临床医生的可懂度能解释患者吗？

分析流程是对每位患者单独建模。先对逐轮分数做三点移动平均，再用广义最小二乘回归检验患者未来 3 轮均值与临床医生前 3 轮及其平均的关系，报告剪枝后显著变量的 p 值和决定系数。显著阈值为 0.05。原文报告只有 7 例达到显著，另有 4 例无显著影响，2 例因临床医生声音过弱无法纳入。

下图对比了显著与非显著两个典型个案的时间曲线与散点关系，阅读时注意横轴是轮次序号或患者分数，纵轴是可懂度，不要把散点颜色直接当作说话人。

看图路径： 1. 先对比上方面板 PMB01 与下面板 CFS10 的患者与临床医生两条曲线的波动幅度；2. 再看 PMB01 中间时段临床医生曲线下跌处是否对应文中提到的笑声；3. 最后对比右侧散点中 PMB01 的正斜率带与 CFS10 经放大后近乎平坦的拟合线

论文图 4。原论文 Figure 4：“Étude de l’intelligibilité des patients PMB01 et CFS10.”。

从像素可见，左上 PMB01 的患者蓝色曲线在 5 到 8 之间大幅波动，橙色临床医生曲线多在 9 附近但中段明显下探，原文说明该下探对应笑声。右上 PMB01 散点呈明显正斜率，黑色拟合线向上，灰色置信带包裹，颜色按轮次序号渐变。左下 CFS10 的两条曲线几乎平直，患者稳定在 8.5 附近，医生稳定在 9.7 附近。右下 CFS10 散点挤在横轴 8 到 9 的窄区间，放大插图后拟合线近乎平坦，说明前后轮之间没有可辨的线性关系。

广义最小二乘回归 × 三点移动平均： 三点移动平均负责把逐轮可懂度抖动平滑为趋势，广义最小二乘回归负责在前后观测相关的条件下检验临床医生前 3 轮是否解释患者后 3 轮均值；前者降低单点测量噪声，后者放宽独立同方差假设，搭配后才能在自相关的对话序列上做显著性判断，组合意义是把可视趋势变为可检验的局部对齐证据。

下表把显著、非显著与不可用的分组放在同一视图下，比较问题是谁的变化能被对方解释，公平条件是同一回归形式与同一显著阈值，决定系数方向是越大表示对方可解释比例越高。

表后解释是主要收益为在 PMB01 等 7 例中观察到正向关联，PMB01 的最近一轮与 3 轮平均均显著，决定系数约 0.406，散点也支持越清楚越跟随的趋势。具体代价是其余患者不支持该模式，CFS10 为代表的 4 例几乎无波动或无关联，2 例因听不见临床医生而缺失，反例说明单用对方可懂度无法解释全部变化，必须引入韵律、词汇和互动策略等其他沟通参数。

哪些条件一变结论就变：窗口、平滑与缺失如何影响？

原文没有命名为消融实验，但提供了 3 类可当作失败条件来读的证据。第一类是输入长度约束。10 秒最小长度迫使短轮拼接历史语音，长轮压缩为首值，这意味着快速交替的短问答几乎无法被精细刻画。作者在讨论中承认分割相对粗糙，限制了对每次发言尤其是短促连发的细粒度解释。

第 2 类是平滑与自相关处理。如果去掉三点移动平均，单点噪声会放大；如果用普通最小二乘而忽略序列依赖，显著性会被高估。原文选择广义最小二乘正是对这一点的回应，但未报告换用普通回归或不同窗长会怎样，因此不能断言当前显著名单对窗长鲁棒。

第 3 类是录音质量边界。2 例因临床医生过弱被排除，说明头戴麦朝向带来的系统偏差不是小问题。在可运行层面，复现时若不做能量分层而直接切分，很可能把这部分弱语音丢掉，进而低估对齐比例。未评测的边界还包括第三说话人、重叠语音和笑声等非语音事件，PMB01 中段笑声导致医生分数骤降就是一个具体例子，说明异常事件需要单独标记而不是当作普通轮次。

边界在哪里：什么还不能说？

直接报告的是个体差异大和部分显著，支持的是局部同步的可能性，待验证的是训练式对话能否提升患者可懂度。原文讨论部分明确说即使在显著个体中，对方单独也不足以解释全部变化，其他声学、韵律和词汇因素仍需探索，韵律补偿在主观听感上可能是重要策略，但尚未量化。

缺失证据不是技术错误，但必须点名。原文未测量误判率、延迟、计算开销和实时帧率，也未报告切分与聚类的定量误差，因此不能承诺该流水线已可临床实时部署。训练资源与推理开销需要分开讨论，前者属于前人模型，后者在本研究中主要是切分、嵌入提取和滑窗预测的成本，原文未给硬件预算。

总体趋势不等于每轮成立。PMB01 的正斜率不代表每一轮都跟随，CFS10 的平坦不代表沟通质量差。作者在结论中强调样本量不足以泛化到全部舌切除人群，后续 AMELIORE 项目计划扩大病理语音语料后再深化分析。当前方法更适合作为个性化沟通画像工具，而不是普适的疗效断言。

复现先做什么：按什么顺序搭流水线？

第一步是准备数据与参考分。获取 SpeeCOmCo 中舌切除子集的半结构化访谈音频，确认每段对话的患者与临床医生身份，记录 6 位专家平均的感知可懂度作为外部参考，注意该参考分来自朗读评估语境，不能直接当作对话每轮的真值。

第二步是复现说话人标签。先用语音活动检测做能量分层，再在均匀能量段上运行说话人切分，对语音小段提取 x-vector 并做 2 类聚类。关键超参数是轮次合并的 5 秒间隔、滑窗的 10 秒长与 1 秒步长、补足 10 秒时的历史拼接规则，以及每轮多值只保留首值和三点移动平均。代码层面语音活动检测有公开仓库可用，当前可用状态为链接可达，切分与聚类需对应原文引用的工具版本。

第三步是复现分析。调用已训练的可懂度模型对每个 10 秒输入打分，按轮次整理为两条时间序列，画出随轮次变化的曲线与患者后 3 轮均值对医生前 3 轮的散点，再逐例拟合广义最小二乘并剪枝。复现时先检查 2 例不可用是否因弱语音导致，再对比显著 7 例与非显著 4 例的划分是否稳定。还需补做的验证是切分误差对回归的影响、不同平滑窗长下的显著性变化，以及韵律特征是否比对方可懂度更能解释剩余波动。

何时值得尝试：给新手的收束判断？

当研究问题是对话中的发音如何随时间变化，且录音为 2 人、麦克风偏向一方时，本文的能量分层加嵌入聚类加轮次合并思路值得借鉴。它把朗读模型迁移到对话的核心矛盾处理得很务实，用拼接与滑窗满足等长输入，用首值与平滑抑制噪声，用逐例回归保留异质性。

常见误解需要澄清。第一，可懂度在这里不是听懂话题，而是音素与音节层面的发音清楚程度。第二，显著关联不是因果，临床医生更清楚并不必然导致患者下一轮更清楚，还可能是话题难度、情绪或轮流节奏同时影响双方。第三，没有显著不代表沟通失败，CFS10 的平稳高分本身就是一种功能性沟通，原文也指出可懂度之外还有韵律与策略补偿。

最终判断是该方法已能展示不同的沟通画像并支持个性化分析，但在 10 秒粒度、弱语音召回和小样本三重限制下，只能作为探索工具。若要在康复中检验对话训练的杠杆作用，下一步必须扩大语料、量化韵律与词汇变量，并报告切分精度与计算成本，才能把局部对齐的迹象推进为可指导干预的证据。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

⚖️ 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 jep-2026 论文汇总