模型集成

该文针对单条未归一化板混响脉冲反推六维物理与观测参数的问题，用离线仿真训练的归一化树集成一次回归代替逐条迭代优化，在两组仿真验证集上把归一化均方误差降到约 0.012 并把默认粒子群的估计时间从 2252.59 秒降到 10.75 秒，代价是只给点估计且参数精度只在仿真匹配分布下成立。

该文研究用大音频模型直接做成对语音评测是否可行，发现基础提示在副语言细粒度判断上接近随机猜测，而测试音频拼接加 4 样本上下文与多方面集成可在系统排名上达到 0.91 左右的人类偏好相关，但冗长与位置偏置仍需处理。

共收录 36 篇 eacl-2026 会议论文的 Reader 深度解读

针对声学与语义分类器后验概率量纲不可比的问题，该工作用训练集留一法分布下的百分位名次代替原始概率做平均，并在高置信度分歧时才允许手工语言特征随机森林覆写，在 ADReSS2020 取得 95.83% 准确率、在 ADReSSo2021 取得 90.14% 准确率，代价是需要保留训练侧分布与多组逻辑回归分支并做前向选择。

针对口吃语音直接转流利语音难、转写引入语义失真和实时延迟三难，STEAMROLLER 用转写加多智能体文本修复加音色克隆合成的三段管线，在 FluencyBank 上把词错误率平均降约 10 个百分点并保持语义，代价是约 3.8 秒分段延迟和零样本克隆音色相似度偏低。

针对从双人对话推断熟人与陌生人及具体熟人关系的问题，论文提出免训练的多角色辩论与竞争裁决流程，在同一过滤测试集上比较零样本与辩论基线，结构化交互在文本与音文结合上取得宏 F1 领先，但纯音频提升不稳定且多次调用带来更高推理成本。

针对音乐音频语言模型在四选一问答中被迫作答而无法表达不知道的问题，论文用同一 TinyMU 检查点经答案不变扰动构造伪集成，主证据是四种选项排序平均将准确率从 55.7% 提升到 59.2% 并将误差保留曲线面积从 0.293 降到 0.261，代价是每次提问需要 4 次前向传播且无需重新训练。

语音情感识别 | 4.9/10

语音情感识别 | 7.0/10

音视频理解 | 7.1/10

音乐理解 | 7.6/10

音乐理解 | 6.5/10

音频分类 | 7.1/10

音频伪造检测 | 7.2/10

说话人日志 | 6.4/10

音频理解 | 7.5/10

说话人验证 | 7.8/10

语音伪造检测 | 6.4/10

语音情感识别 | 5.3/10

音频事件检测 | 8.3/10