统计分析

论文针对用同一折选编码器层又报性能导致的乐观偏差，用朴素与嵌套选择对照、打乱标签与纯噪声控制加以量化，并在无泄漏比较下发现紧凑情感韵律特征与大模型表示相当，而代价是下游可训练参数约少一千倍。

论文用短时傅里叶域遮蔽加对照审计 AdvWave-P 在 Qwen2-Audio 上的表现，发现八频段排序几乎被扰动能量解释，深层音频表示差异与遮蔽必要性正相关但不能定位因果层。

该文在 ADReSSo 上用三条大语音自监督主干做可控噪声与混响的输入与表示干预，证明即使无组间差异的噪声也能以最高翻转率系统性改变预测且方向可逆，而高精度本身不能保证稳健。

论文针对只报告最终训练能耗会低估项目代价的问题，用 Grid5000 作业日志回算实验室、团队和四个音频项目的开发能耗，报告开发能耗约为最优单模型训练的 3 到 256 倍，而法国低碳电网与假设美国电网下的碳排放差距可达近十倍。

以 ACE-Step 1.5 为案例，用线性探测追踪仅由歌词驱动的歌手可解码性从歌词编码器经交叉注意力到生成音频的传播，最强证据是编码器输出 0.344 的百类歌手分类准确率，代价是探测只证相关不证因果且 CoT 路径带来稀释与翻唱式复现的混杂。

该研究用从全遮挡到原声的归因轴分解部分掩膜输出，发现 41% 到 77% 的位移是标量方法看不见的正交偏离，且其方向稳定性和维度随模型与填充组合而变化，代价是仍需依赖填充选择的忠实度评估才能谈修正。

该文用激活交换、解码与转向证明三款大音频语言模型都在中间层把粗粒度相对时间绑到事件名表示上并能因果改变前后判断，但该表示只能粗解码到约 3.5 至 4 秒且不能一致移动预测的起始时间戳。

论文用 35 组受控训练比较等错误率与人听相似度的关系，发现等错误率几乎不跟踪人听判断，而有效维度越低对齐越高，压缩嵌入维度可把 AM-Softmax 的对齐从 0.08 提升到 0.738，代价是等错误率升至 20.48% 左右。

该研究把电磁发音仪记录线性映射到 Maeda 参数空间，再用非对称典型时间规整把数学音节模型轨迹对齐到真实时间轴，用语音内容一致与不一致配对的置换对照证明语音一致时发音与共振峰相关显著更高，但唇高参数与生理延迟仍是代价与边界。

在 SEP-28k 上用冻结 WavLM 加逻辑回归研究去噪响度归一 Opus 与 VAD 链，发现固定阈值下阻塞 F1 损失最大而阈值重调可恢复大部分 F1，但 ROC-AUC 损失留存且匹配重训仅小幅回升。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

该研究用 7 名女性流利者的读语句料和广义加性混合模型分析 524 个重读元音，显示塞音语境对第一共振峰影响小而对第二共振峰影响大且贯穿整个元音，代价是仅覆盖青年女性和朗读体且无法分离前后协同发音方向。

论文追问澳大利亚英语词尾/p,t,k/如何实现清音，用声门接触的电信号加喉头镜直视做交叉核对，发现鼻音前/t/靠收缩、/k/靠张开而词尾三处都倾向收缩，但样本小且只做描述性平滑。

该研究用 4 名英国英语男声在 6 种嗓音设置下的朗读语料检验 CPP、频谱倾斜、HNR 与长期共振峰，发现气嗓与鼻音在组层面抬高频谱倾斜但个人实现高度不一致，因此声学测度只能做说话人内的相对指示而不能做跨人绝对映射。

论文以 49 名三代厦门话母语者的图片命名发音为对象，用归一化基频曲线比较本调与变调是否声学等同，报告显示即使记作同一调值仍存在音高与斜率差异，且青少年压缩本调空间却扩大 44 变 22 与 24 变 22 的对立，老年则基本中和。

该研究以沙溪白语 30 人的送气与不送气擦音为对象，用同一标注框架提取时长比、频谱质心差和 H1*-H2* 并做线性混合效应建模，显示时间与频谱效应稳健而发声效应弱且不稳定，青年组出现对比弱化与协同模式重组，但青年组仅 3 人使结论需谨慎对待。

该研究以三个方言区 18 名发音人的词表与自然对话比较/CECi/与/CECa/中/E/的第一二共振峰，报告和谐语境下一致的 F1 降低与 F2 升高，但 F1 效应量随方言与语体组合变化且不能据此断定范畴性音系过程。

该研究针对塔斯马尼亚澳大利亚英语词表 onset /p,t,k/，用两层 Praat 切分把释放段拆为清送气与叠加气声，报告 689/1638 约 42% 含气声、女性与双唇齿龈更高发、气声多在 8 ms 至 30 ms，代价是时长模型中部位效应不显著且需人工听辨边界。

该研究用同一批被试在学习、导航、闲聊和听故事四种任务中交叉评价四个合成系统，报告应用场景会显著改变系统间差异，而虚拟现实数字孪生在宽松等价带下得到可比评分，但分系统看仍有不确定性且播放设备不同构成代价。

该研究用简化嗓音轮廓分析对 127 名瑞士德语年轻人的自发谈话做四人感知编码，在整体一致性仅为轻微到一般的代价下，报告了东北部鼻音带、男性松弛声道与女性咽腔扩张及嘎裂声稀少等可核对的分布。