会议总览
interspeech-2026 论文深度解读
共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读
在线推理
论文解读
固定隐私参数为何不够：用异构识别器分歧在线估计语音残留
论文针对固定隐私变换在不同语句和说话人上泄漏差异大的问题，提出只用变换后音频计算异构 ASR 文本分歧的 CLEAR 方法，在 100 条语音乘 13 个 Kirigami 工作点上与留出强攻击者的音素错误率达到 Spearman 0.8 的跟踪能力，而三模型集成以约 0.30 s 延迟实现可部署的运行时反馈。
论文解读
先给标签、后建质心：延迟承诺如何稳住多说话人在线跟踪
针对在线说话人日志随说话人数增多而误注册增多的问题，论文用延迟承诺缓冲加自适应阈值的质心跟踪，在系统语音活动检测和 0.5s 延迟下于 VoxConverse 和 VoxSRC-23 取得 9.53% 和 9.12% 的日志错误率，代价是仍无重叠处理且单缓冲假设未覆盖强重叠场景。
论文解读
在说话人移动时仍逐帧更新：以加权似然把 ILRMA 与 RCSCME 改写为在线算法
针对漫射噪声下单目标实时提取问题，论文用最大加权似然把 NSR-ILRMA 与 RCSCME 改写为逐帧在线更新，并在静止与移动说话人仿真及真实录音中对比在线与分块批处理路线，其代价是每帧仍需矩阵求逆加速与稳定性控制且处理时间接近移位长度。