可解释性

针对语音大模型用自回归解码做四分类情绪识别会产生无效标签并偏向多数类的问题，论文在冻结主干上对比同一最终提示词隐状态的生成式解码与单层线性分类头读出，最强证据是加入对话上下文后宏平均 F1 达到 78.14 且在 ASR 转写下从 74.47 提升到 76.50，代价是只验证了 IEMOCAP 四类设置且可解释关联暴露了预训练的文化偏置。

针对一分钟语义和音位流畅性任务中整段平均会抹掉检索动态的问题，CCMAN 用词级多模态序列加双向跨模态注意与迁移学习建模时间不稳定性，在 843 人语料上语义二分类宏 F1 达到 0.81 而多分类仅 0.59，代价是三分类区分 MCI 与痴呆仍不显著且依赖 ASR 时间戳质量。

该文用单链接层次聚类分析说话人向量是否形成层次结构，再以总体匹配与一一匹配加诊断性分数解释性别国籍与身份语义，最强证据是身份与性别接近完全对齐而部分国籍组合匹配明显偏低且可归因到精度不足。

论文针对日常录音下声音亲缘验证线索稀疏且跨库泛化难的问题，选择卷积局部编码加变换器长程聚合与注意力池化的两阶段度量学习路线，在自建普通话非受控库 ARKIN 上报告 CONVTRAP-TN 优于三元组基线，但从 KAN-AV 跨库到 ARKIN 时性能大幅下降且少量微调难以恢复。

共收录 60 篇 icmc-2026 会议论文的 Reader 深度解读

论文报告六说话人描述任务基线低于随机猜测，用 100 个头的注意力对数偏置把输出转向目标到 90% 以上，而纯文本任务选出的头可原样迁移，但饱和强度下增益多来自提示与汇点且随机对照本身波动极大。

共收录 118 篇 jep-2026 会议论文的 Reader 深度解读

共收录 188 篇 speechprosody-2026 会议论文的 Reader 深度解读

共分析 19 篇语音/AI 论文

该研究在 48 名 3 至 6 岁儿童的 Eigsti 自由游戏转录上用随机森林做自闭症、典型发育与发育迟缓三分类，通过语义嵌入加转录标注的韵律交互特征加认知年龄特征达到交叉验证 99.5% 正确率，但样本小且依赖人工转录标注与认知测验是主要代价与限制。

该研究用词与句子配对的同异判别任务与可解释分类器检验原型语音空间在语言层级间的稳定性，最强证据是句内准确率高于词内而跨层级泛化不对称下降，代价是均值线索在长语音中可靠性下降而对语速与变异性线索依赖上升。

该研究用说话人嵌入加回归器做年龄估计，再用成对听辨实验对照人类表现，显示系统误差能预测人耳难易，且双方共享基频等声学线索而人耳额外依赖语速节奏，但数据不均衡与噪声限制了结论外推。

论文把词入侵测试搬到说话人表示上，用 Top-K 稀疏自编码器从 ECAPA-TDNN 嵌入中抽出 500 维稀疏维度，再靠 22 人听辨找侵入者，结果显示只有噪声、口音和语言等少数维度可被人感知，而低典型性并不保证可解释，一致性余弦分数则与判对显著相关。

该研究以贝多芬第七与柴可夫斯基第五的 55 加 71 个演奏版本为对象，用声学特征加 VGGish 嵌入与五种元数据分组加戴维斯博尔丁指数检验相似性来源，最强证据是指挥主导速度响度而乐团在特定乐章主导音色，代价是录音环境未统一与因果解释仍需专家验证。

该研究用 11 个声学参数加随机森林区分女性双侧声带小结与健康嗓音，最强证据是声调 3 模型准确率 0.836 与 AUC 0.902，代价是仅覆盖女性北方官话单字朗读且未验证连续语流与男性泛化。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

论文用线性与非线性探针检验 Mimi 编码器输出与各码本是否保留八种英语核语调的区别，最强证据是 hhh 与 lll 等二分类可达约 90% 准确率，而五类聚类最高约 0.45 且远不及人类，代价是语调信息分散在多个码本且对重音不如对边界调敏感。

该研究用同一 TCN 分割模型对比绝对特征与帧间差分、保留或去掉重叠前单人语音、打乱帧顺序三类扰动，显示 WavLM 在 DIHARD III 上达 0,680 F1-score 而 MFCC 仅 0,424，且打乱时序会系统性推高重叠类概率，代价是扰动结论依赖小样本长重叠段与伪概率曲线。

该研究把语种识别改写为二值语音属性上的独立伯努利似然，用二值自编码器加按频率估计的激活概率做闭集判分，在 FLEURS 上以 mms-lid-126 嵌入达到与 PLDA 相当的精度，同时保留按属性回看判分依据的能力，代价是在 ECAPA-TDNN 与未见语种上出现更明显的性能下降。

论文把 TiCodec 的时间不变分支放在编码器不同深度和不同片段采样下逐项对照，发现第 2 层保波形细节、第 3 层保感知与说话人，再用双分支 Dual-TIRE 组合两者，代价是解码结构与训练约束更复杂且跨域增益并不覆盖全部指标。