转录文本里的停顿与问答为何比语义向量更能分开自闭症与发育迟缓

英文题目：Contributions de caractéristiques issues de la transcription de parole pour la détection de l’autisme chez l’enfant

会议身份：conference:jep:2026:conference-paper-id:ghennani26_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：#语音生物标志物 #集成学习 #可解释性 #语音 #病理语音评估

评分：4.2/10 | 创新 1.0/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.7/1 | 影响力 0.4/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.5/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Nihel Loubna Ghennani：机构信息未能从会议 PDF 纯文本可靠映射
• Julie Mauclair：机构信息未能从会议 PDF 纯文本可靠映射
• Mourtada Benazzouz：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以儿童自由游戏会话的CHAT转录为输入，输出自闭症谱系障碍、典型发育与发育迟缓三类标签，难点在于自闭症与发育迟缓表层语言高度相似且可标注儿童数据稀缺易混淆。方法先清洗CHAT转录并将成人提问与邻近儿童有效回答配成问答对，为后续特征提供对齐上下文。接着并行抽取结构语言指标、基于转录符号的韵律交互事件、年龄与认知得分及语义嵌入，并在会话层聚合成定长异构向量。最后用200棵树、最大深度20的随机森林做三分类并基于基尼杂质做重要性分析，其输出直接用于评估与解释。与仅用平均话语长度等五十余个语言变量的先前工作不同，本文将现代嵌入与停顿密度、重复、修正等可解释临床标记显式拼接，兼顾内容语义与行为节律。在Eigsti语料五折交叉验证设置下，全特征组合的准确率（TCC）为0.995，高于仅嵌入基线的准确率（TCC）0.459。该结论适用边界受限于48名3至6岁英语实验室人工转录条件，尚未验证自动语音识别噪声与跨站点跨语种外推，发育迟缓最易与自闭症混淆。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

预印本/扩展版链接未在会议页展示；会议版来源见页首官方记录与 PDF。 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

为什么早期筛查需要可复现的会话分析？

这篇解读的输入是法文会议论文全文与 4 张官方原图，目标是让刚进入语音与语言方向的研究生能复述方法并核对实验条件，必须保留的信息是数据来源、特征定义、分类器设置、划分与评估方式以及关键数字，输出是按学习依赖展开的技术讲解。

自闭症谱系障碍的早期诊断之所以重要，是因为没有治愈手段时，越早干预越可能改善长期功能发展。但标准工具如自闭症诊断观察量表和自闭症诊断访谈修订版需要大量临床资源，施测与解释耗时，且临床观察存在主观性，容易造成转介延迟。机器学习在这里不是替代诊断，而是希望把治疗会话的人工复看变成可重复的计算流程。

对初学者要先分清白话与术语。白话说的说话方式，对应声学韵律，即基频、能量、嗓音质量随时间的变化；白话说的说话内容与互动，对应语义与语用，即词义、句子结构、提问回答、重复改述与停顿管理。已有工作用过面部图像、眼动、神经影像和声学特征，近年也有卷积与长短时记忆的多模态框架。本文选择只用转录文本这条路线，理由在原文写得很明确：转录里保留的标注符号已经编码了停顿、不流利、重叠与修复，研究者想验证不听波形、只数文本符号能否做出有效的辅助筛查。这种选择决定了后续所有特征都要能从字符层面复现，而不是从音频帧算出。

同任务已有路线比较了什么，本文站在哪里？

把相关工作按同输入、同目标、同运行阶段来读会更清楚。第一类是标准化临床评估，以观察量表和访谈为代表，输入是临床互动，目标是诊断分类，优点是临床认可度高，代价是耗时耗人。第二类是语音声学路线，输入是波形，目标同样是区分自闭症与对照组，常用语速、发音节奏、基频、微扰、谐噪比与频谱韵律特征，已有报告显示较低的第一共振峰、较高的抖动与谐噪比以及更稳定的嗓音具有区分潜力。第 3 类是面部与眼动路线，输入是图像或注视序列，目标相同但采集与标注成本不同。第 4 类是转录语言路线，与本文输入最接近，目标也是在 Eigsti 等会话转录上做分类。

与本文可直接比较的是同样用 Eigsti 转录的工作。一条工作提取 50 多个语言变量，包括平均话语长度和平均话轮长度比，发现加入词语与短语重复变量能提升性能，但在引入发育迟缓组后，朴素贝叶斯正确率从 80% 降到 60%，随机森林从 80% 降到 50%。另一条工作用平均话语长度、话轮长度比、年龄与性别等关键特征，随机森林达到 75.3%，而逻辑回归在引入发育迟缓后从 82.4% 降到 57.7%。这些对照说明三分类比两分类难得多，发育迟缓是主要的混淆来源。

本文的站位是保留转录路线，但把特征从纯结构语言扩展为异构组合：语义嵌入加韵律交互加人口学年龄加结构语言加认知，用随机森林统一建模，并用特征重要性解释互补性。理解这个站位后，就不会把本文的 99.5% 直接与声学或图像路线的高精度对比，因为输入、标注成本与适用条件不同。

任务到底要区分哪三组儿童，难在哪里？

任务是三分类，不是自闭症有无的两分类。输入是一段儿童与成人在自由游戏中的对话转录，输出是该会话所属儿童组别：典型发育、非自闭症的发育迟缓、自闭症谱系障碍。举一个教学用的例子帮助理解流程，但不代表原文数据：假设一段转录里儿童多次重复成人刚说过的词并伴随长停顿，语义嵌入可能只看到词汇重叠，而韵律交互计数会记录重复标记与暂停密度，分类器需要综合这两路信息才敢把样本推向自闭症而非单纯的发育迟缓，这只是例子，不是论文报告的效果。

难点有 3 层。第一，语言表面相似，自闭症组与发育迟缓组都可能话语短、词汇简单，只看内容容易混淆。第二，年龄与认知基线不同，3 至 6 岁本身发展变化快，若不控制年龄与接受性词汇、智商水平，模型可能把成熟度差异当成疾病信号。第三，评估必须防泄漏，因为同一儿童的多句话若同时出现在训练与测试，正确率会被虚高。原文因此强调分层划分与交叉验证，并在讨论中承认发育迟缓最难分，常被错分成自闭症。抓住三分类与发育迟缓混淆这两个关键词，后面读混淆矩阵就不会只看总正确率。

从一段转录到三分类标签要走哪几步？

先沿一个样本走完全程。输入是 1 名儿童 30 分钟自由游戏的 CHAT 转录文本与外部元数据表，元数据提供年龄与认知分数。第一步是预处理：去掉注释、暂停标记、重叠标记与非词标记，转小写并清理空格，再把成人的问题与儿童最近的有效回答配成问答对。第二步是特征提取，得到 4 类向量：结构语言的量化指标、基于文本的韵律交互计数、参与者级的年龄与认知分数、回答的语义嵌入向量。第三步是把这些向量在会话级拼接成一个样本的表示，送入随机森林做三分类，输出典型发育、发育迟缓、自闭症之一，并可输出特征重要性排序。

下面的流程图把第二步展开，值得先看分支再看汇合，图中并列的分支对应后文要逐一复现的计数规则与编码器，汇合点对应分类器的输入拼接。

看图路径： 1. 沿左上方转录输入箭头数出分出几条特征分支；2. 确认基于文本的韵律交互分支与结构语言分支是否并列；3. 找到人口学分支与外部表格输入的位置；4. 记住各分支在何处汇合成分类器输入

论文图 1。原论文 Figure 1：“Pipeline d’extraction de caractéristiques.”。

这张图显示特征提取管线被拆成多个并行分支，其中基于文本的韵律交互分支用文档与人形交互图标表示，结构与语言分支用书与表格图标表示，人口学分支用人群图标表示，箭头从上方数据源分叉到各分支。这意味着复现时不能只跑嵌入模型，还要实现正则计数器与外部表格读取，缺任何一路都会改变后文消融表的条件。记住主路径是转录加元数据到多路特征再到拼接，下一节把每一路的计算讲到可动手。

四路特征各自怎么算，输入输出是什么？

第一路是结构语言特征，输入是清洗后的儿童话语序列，输出是一组会话级数值，包括话语长度、平均话语长度、句法复杂度如动词与连词出现、语用标记如填充停顿与肯定否定极性、代词使用如我与你及总量。它的作用是刻画形式复杂度，局限是词汇简单在两组临床儿童中都常见，所以单独区分力有限。

第二路是韵律交互特征，输入是未经清洗丢弃符号的原始 CHAT 转录，输出包括儿童暂停密度、儿童不流利密度、儿童提问率、儿童重复、儿童改述、成人提问密度、成人改述密度。计算靠识别标准转录符号：[//] 自修、[/] 重复、[!] 强调、(.)(..)(2.5) 不同时长停顿、euh 与 hum 填充停顿、+… 未完成拖尾、<,>重叠，用正则表达式在话语级检测再聚合到会话级，同时刻画说话人自身行为与成人儿童互动动力学。

第三路是认知与人口学特征，输入是外部元数据文件，输出只有 3 个数：年龄按月，PPVT_SS 接受性词汇理解分数，SB_FSIQ 总体智商含言语非言语与知觉能力。原文明确说只保留年龄作为人口学变量，认知即指这两个分数。第四路是语义信息，输入是配对后的儿童回答文本，输出是用 all-MiniLM-L6-v2 编码的 384 维嵌入向量。复现时要注意嵌入模型是否冻结、文本是逐回答平均还是会话拼接，原文没有报告池化与冻结细节，这是缺项，不要从模型名推定实现。

语义嵌入 × 韵律交互特征： 语义嵌入负责把儿童回答的内容变成 384 维向量，刻画说了什么；韵律交互特征负责从转录符号里数出怎么说的和怎么互动的，例如暂停密度、不流利、重复、改述和提问率，二者搭配的理由是内容向量在 3 组儿童之间高度重叠，必须靠行为节奏和互动模式提供正交的区分维度，组合后分类器才能把典型发育与临床组分开。

结构语言特征 × 认知特征： 结构语言特征负责描述句子的形式复杂度，例如话语长度、平均长度、动词与连词、肯定否定极性、代词使用；认知特征负责提供儿童外部能力基线，即 PPVT_SS 接受性词汇理解与 SB_FSIQ 总体智商，二者搭配的理由是前者只看本次会话的产出形式，后者标定儿童已有的发展水平，组合意义是防止把能力落后误判为自闭症特有模式，也解释了为何发育迟缓组最难分。

转录标注 × 正则模式识别： 转录标注负责以 CHAT 格式保留可听行为的文本痕迹，例如[//] 自我修复、[/] 重复、[!] 强调、(.)(..)(2.5) 不同时长停顿、euh 与 hum 填充停顿、+… 未完成拖尾、<,>言语重叠；正则模式识别负责用表达式在话语级和会话级扫描并计数这些符号，二者搭配的理由是不用声学信号也能重建韵律交互，分工是标注提供标准符号词汇，正则提供可复现的计数器，组合后得到儿童暂停密度与成人提问密度等会话级指标。

随机森林 × 特征重要性： 随机森林负责用 200 棵最大深度 20 的树做三分类投票，它能处理混合类型与相关特征并抗噪；特征重要性负责按基尼不纯度减少量估计每个特征对分裂的贡献，二者搭配的理由是分类器本身给出可解释的排序而不需额外探测器，组合意义是让研究者能读出 PPVT_SS、SB_FSIQ、年龄与暂停不流利等指标各自的分工，并指导精简特征组合。

正则计数与嵌入拼接如何避免把符号吃掉？

这节解决一个具体的复现陷阱：预处理与特征提取的顺序不能颠倒。原文预处理说要消除注释、暂停、重叠标记与非词标签并做小写与空格规范化，但韵律交互特征又恰恰需要这些符号来计数。正确的复现动作是保留两份文本：一份清洗后用于结构语言统计与嵌入编码，一份保留原始符号用于正则计数。若先清洗再计数，暂停密度与重复改述会全部归零，相当于悄悄删掉最有用的分支。

正则计数的可执行步骤是先列出符号词典，再对每条话语用表达式匹配计数，最后按说话人聚合到会话级并除以适当基数得到密度或比率。原文没有给出分母是按词数、话语数还是时长归一化，这是需要补验证的细节，不同分母会改变密度量级与树分裂点。嵌入拼接的步骤是先对每个回答算 384 维向量，再在会话级聚合，原文未说明平均还是拼接，若直接拼接会因话语数量不一导致维度不定，更可能的是平均或求和后再与少量标量特征拼接。

做消融时要固定聚合方式，否则比较的不是特征组合而是聚合方式。成人特征如成人提问密度与成人改述密度也要按成人话语聚合，它们反映互动脚手架，不能误算到儿童头上。

没有神经网络训练时，随机森林实际拟合了什么？

本研究没有训练神经网络，训练一节的真实含义是拟合随机森林。白话解释，随机森林是多棵决策树的投票集合，每棵树用有放回抽样与随机特征子集学出一套分裂规则，预测时多数投票决定类别。英文名是 Random Forest，缩写常作 RF，后文统一称随机森林。原文设置是三分类问题，共 200 棵树，最大深度 20，引用经典定义说明每棵树依赖独立同分布的随机向量。选择它的理由在原文有交代：能捕捉非线性关系，能处理相关与混合类型特征，自带重要性分数，对噪声稳健，便于选出最相关的特征。

下面的分类管线图把拟合与评估的衔接画了出来，重点看从模型到多分类的箭头，不要把多分类图标误读为模型结构。

看图路径： 1. 确认左侧方框标注的模型名称与树的示意数量；2. 看中间方框如何同时标出三种类别标签；3. 沿箭头确认从模型到多分类再到后续评估的流向

论文图 2。原论文 Figure 2：“Pipeline de classification.”。

这张局部图只显示管线中段，左侧方框标注随机森林模型并用多棵小树示意集成，中间方框标注多分类并同时出现典型发育、自闭症与发育迟缓 3 个标签与拼图立方体图标，箭头从模型指向分类。这对应复现动作是把拼接好的会话向量送入拟合好的森林得到 3 类概率与标签，再做测试集指标与五折交叉验证。原文说用表现最好的模型抽取重要性并选前十特征，这一步是在拟合完成后只读分裂统计，不再更新树结构。需要指出的缺项是随机种子、每折分层比例、树分裂准则与最小叶样本数均未报告，复现时应固定种子并记录，否则重要性排序会抖动。

数据、划分与指标如何保证可比？

实验条件是复现的基准线，必须先核对再看数字。数据源是 TalkBank 的 Eigsti 数据集，对象是 3 至 6 岁儿童，分为典型发育、非自闭症发育迟缓与自闭症 3 组，自闭症组都有显著早期语言障碍，测试时都能产出至少两词的句子，但都不符合阿斯伯格或未特定广泛发育障碍标准。每名儿童参与 1 次 30 分钟自由游戏，平均年龄 51 个月，平均话语长度 3.08 词，中位数 2.6 词每话语。参与者共 48 人，性别与词数分布见原文表 1，复现时要注意总词数在自闭症组明显更少，这会影响密度分母与嵌入聚合的稳定性。

评估协议是分层训练测试划分报告测试集指标，加五折交叉验证做稳健估计，并强调防止信息泄漏。指标是正确率即 TCC，以及精确率、召回率与 F1，方向都是越高越好。特征组合记号要统一：E 是嵌入，C 是认知，P 加 I 是韵律与交互，Â是年龄，全特征是全部拼接。比较公平性的关键是同一切分下换特征组合，而不是换切分比数字。

下表把原文直接报告的核心数字整理成可运行策略的对比，条件列说明特征组合，指标列固定为交叉验证正确率，便于核对单一路与组合路的增益，表中数字与单位保留原文写法，裸数值不擅自加百分号。

上表的主要收益是每加一路异构特征都有大幅提升，嵌入单用只有 0.459，加认知到 0.784，加韵律交互到 0.921，再加年龄到 0.961，再加认知到 0.975，全特征到 0.995。代价是认知分数与年龄来自外部测验与元数据，不是纯语音转录可得，部署时若拿不到这两路就退回到 0.921 水平。未胜出项是纯嵌入基线，它在三分类上接近随机猜测之上不多，说明内容向量 alone 不足以区分发育迟缓。边界是 48 人小样本下五折的方差未报告，不能把 0.995 理解为临床泛化精度。

主结果与混淆矩阵支持什么判断，不支持什么？

主结果按问题组织：测的是三分类在同一切分下换特征组合的提升，与谁比是与纯嵌入及逐步叠加的特征组合比，条件是否一致是同一 Eigsti 转录与同一随机森林设置，指标方向是正确率、精确率、召回率与 F1 越高越好。关键数字是全特征 0.995 正确率、0.995 精确率、0.993 召回率、0.994F1，以及策略组合嵌入加韵律交互加认知维持 0.975。支持的判断是异构特征互补有效，尤其韵律交互是关键增量。不支持的判断是系统可直接部署，因为样本小且依赖人工转录与认知测验，延迟与误诊成本均未测量。

读混淆矩阵要先确认坐标含义再判断好坏，左图是纯嵌入，右图是嵌入加韵律交互，横轴是真实类别，纵轴是预测类别，颜色越深比例越高。

看图路径： 1. 先读左右两幅标题与正确率标题确认条件差异；2. 对比左图对角线与非对角线颜色深浅判断混淆程度；3. 再看右图典型发育列的深色集中与发育迟缓行的浅色泄漏

论文图 3。原论文 Figure 3：“Matrices de confusion pour différents ensembles de caractéristiques : à gauche, les em- beddings uniquement; à droite, les embeddings, les caractéristiques prosodique et…”。

像素可见左图标题正确率为 47.07%，三行对角线都不集中，自闭症行被大量分到典型发育，发育迟缓行分散在三列，说明纯嵌入几乎没有形成类别边界。右图标题正确率为 91.46%，对角线深色集中：自闭症 91.52%，发育迟缓 82.61%，典型发育 98.11%，非对角线最明显的泄漏是发育迟缓被错分成自闭症 14.29%，典型发育几乎不混淆。这支持两个机制判断：韵律交互最先拯救的是典型发育的识别，其次改善自闭症，发育迟缓仍因与自闭症相似而最难。同时要指出反例是发育迟缓正确率最低，说明相似性与组内变异没有被完全解决，不能把总正确率推广到每一类都同样好。

拿掉一路特征会发生什么，哪一路最关键？

消融按特征组合展开，实际可运行的策略都在原文表 2 中。嵌入单用 0.459 是下限，嵌入加认知 0.784 说明认知基线单独就有很大补偿，嵌入加韵律交互 0.921 说明行为节奏与互动模式的增量更大，嵌入加韵律交互加年龄 0.961 说明年龄进一步校准成熟度，嵌入加韵律交互加认知 0.975 说明认知与韵律交互叠加接近全特征，全特征 0.995 是上限。原文讨论还给出 0.785 与 0.961 等小数点后 3 位的表述差异，应以表 2 为准并注意四舍五入。比较时要区分交叉验证口径与混淆矩阵口径，后者报告的 91.46% 与 47% 对应测试划分下的两条件对比，不是与表 2 的 0.921 直接相等，不要混用不同聚合口径比大小。

特征重要性的消融视角看完整模型的内部排序，下图是完整模型按基尼不纯度减少量的前十特征，横轴是相对重要性。

看图路径： 1. 从下往上读横轴重要性数值最大的三个条形名称；2. 对比儿童暂停改述与成人提问改述条形的相对长度；3. 读右上角文本框中两组累计重要性数值的大小关系

论文图 4。原论文 Figure 4：“Les 10 principales caractéristiques du modèle complet.”。

像素可见条形从下往上重要性递减，最大的 3 个是 PPVT_SS 约 0.2092、SB_FSIQ 约 0.1682、年龄约 0.1525，其次是儿童提问率约 0.1150、儿童改述约 0.0749、儿童暂停密度约 0.0726，再往上是成人改述密度约 0.0617、儿童不流利密度约 0.0535、成人提问密度约 0.0503，右上角文本框还给出韵律交互累计重要性 0.4701 高于认知累计 0.3774。这支持个体看认知与年龄最强、整体看韵律交互贡献更大的判断：单特征重要性最大的是认知，但把多个韵律交互小特征加总后对模型的集体贡献更高。复现时若只保留前三特征会丢失互动动力学，发育迟缓与自闭症的边界会重新模糊，这就是精简特征时必须保留组合而非只留单项的原因。

哪些边界没有测，不能承诺什么？

先说直接限制。样本只有 48 名儿童，每组十几人，性别分布不均，正确率的小数点后差异可能被一两个会话左右，原文没有报告置信区间与显著性检验。转录是人工 CHAT 标注，暂停、重叠、修复符号的质量决定正则计数的上限，若换成自动语音识别输出，符号缺失会直接拉低韵律交互分支，原文没有评测自动转录条件。认知分数需要外部测验，筛查场景不一定可用，拿不到时性能应按 0.921 理解而非 0.995。年龄只到 3 至 6 岁自由游戏场景，能否推广到叙事任务、家庭录音或其他语言尚未验证。

再说不能承诺的量。原文没有测量误诊率的临床代价、推理延迟、计算开销与帧率，不能说系统更快更便宜，也不能说降低了医生工作量。相关性不是因果，暂停密度与不流利高可能是多种发育问题的共有表现，不能解释为自闭症的特异机制。总体趋势不等于每组每步都成立，典型发育接近满分不代表发育迟缓同样可靠。缺失证据不是技术错误，但复现报告要明确写出未评测边界，而不是用全特征最高值代替可部署收益。

要复现先做什么，需要哪些超参数与信息条件？

复现的第一步是拿到数据与代码条件。数据是 TalkBank 的 Eigsti，48 人 3 组标签与 30 分钟自由游戏转录，平均 51 个月，平均 3.08 词每话语。需要确认当前可用性，第三方资源状态显示 arXiv 的 MiniLM 论文链接当前可用，但这只是嵌入模型文献可达，不代表 Eigsti 数据可下载，数据许可与获取路径要按 TalkBank 实际核对。代码方面原文没有声明开源，权重下载指 all-MiniLM-L6-v2 的公开权重，系统可运行还缺正则词典、分母定义、嵌入池化与随机森林种子，这些都要自己固定并记录。

第二步是按顺序实现可检查的中间产物。先实现双文本路径并抽查符号保留情况，再实现 7 个韵律交互指标与结构语言指标并打印每名儿童的计数分布，确认自闭症组总词数更少时密度没有被零除或极端值主导。嵌入用 384 维向量，会话级先试平均池化并记录备选方案。分类器固定 200 棵树、最大深度 20、三分类、分层划分加五折交叉验证，报告正确率、精确率、召回率与 F1。超参数缺项包括种子、最小分裂样本、特征抽样数与不纯度准则，复现时应做种子敏感性分析。

下表把必须锁定的配置整理成检查清单，数字保留原文写法，便于逐项打勾。

上表后要强调代价：补充分母、池化与种子实验会增加工作量，但不做就无法判断 0.975 到 0.995 的增量来自特征还是来自切分抖动。建议先复现嵌入加韵律交互的 0.921 与 91.46% 两口径，再叠加年龄与认知，避免一开始就调全特征掩盖单路错误。

何时值得尝试这种转录特征组合？

回到中心判断：内容向量负责说什么，文本符号计数负责怎么说与怎么互动，认知年龄负责标定发展基线，三者缺一都会让发育迟缓混入自闭症。当已有高质量人工转录与认知测验，且任务是三分类而非两分类时，这种异构拼接值得尝试，因为它在同一样本上把正确率从纯嵌入的 0.459 抬到全特征的 0.995，策略组合也能维持 0.975。但当只有原始音频或自动转录、拿不到认知分数、或场景超出 3 至 6 岁自由游戏时，不应期待同样数字，更务实的是先验证嵌入加韵律交互的 0.921 是否可重复。

给研究生的行动建议是先做最小可运行闭环：跑通 CHAT 符号正则计数，画出暂停密度与改述分布，再跑通 384 维嵌入平均池化，最后用固定种子的随机森林做分层五折。随后补两项验证：一是按儿童划分的泄漏检查，二是去掉认知与年龄后的纯转录性能。只有这两项都稳定，才能讨论辅助筛查的可扩展与非侵入价值，否则最高正确率只是小样本与丰富标注共同作用的结果。未来工作如原文所说要用音频模态加强儿童语音筛查，那时要重新评估声学特征与文本符号的重复与互补，而不是简单叠加。

⚖️ 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