言语感知

论文用语音语言模型直接从声音算惊奇值，提出对多种发音求平均的重要性采样估计，在听句瞳孔数据上发现词级抽象估计比单次具体发音更能预测瞳孔变化，但总体预测力很弱且受刺激与时间基线限制。

论文针对语音驱动三维人脸动画中口型到位但过渡太平的问题，提出经过辅音途经点的唇部路径比度量，在四个方法上发现相对真实语音的整形缺失，并用受控阻尼校准与感知试验说明削弱是可感知的。

该研究用被试内四情绪判断任务比较真人陌生语音与 AI 克隆陌生或熟悉语音，报告真人语音在高兴、悲伤、生气上准确率更高且反应更快，而熟悉的 AI 语音只对高兴提高准确率却对恐惧延长反应时，心率变异性未显示出区分度。

针对纯音听阈无法反映的耳蜗神经退变，研究用内毛细胞到听神经的互信息损失在低语境 VCV 音节上比较时间与噪声探针，发现 40% 压缩加调幅噪声的建模损失最大，且该组合是行为实验中唯一显著区分自报噪声聆听困难组的条件，但安静下接近天花板与个体阈值校准限制了因果归因。

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。

针对脑电噪声下普通自注意力只能稀释无关特征的问题，AFA-Net 用时空卷积提局部特征再用差分注意力做全局减噪，在 KUL 2s 窗上报告 96.8% 准确率且仅用 0.03M 参数，代价是 DTU 上整体更低且部分窗口相对最强基线无显著优势。

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

该研究用被试内普通话四情绪识别任务对照人声与 AI 克隆陌生或熟悉音色，报告人声在高兴、悲伤和生气上准确率更高且反应更快，而熟悉 AI 音色仅对高兴有补偿、对恐惧反而延迟，且心率变异性未区分条件。

该研究用同一房间连续呈现 10 句三词句的方法，比较早沉浸、晚沉浸与非沉浸三组听者在非声码与 8 通道声码条件下的词识别率与瞳孔峰值扩张，报告声码使识别率明显下降而适应变化趋势在各组间相近，且瞳孔扩张随句序总体下降。

该研究在同一乡村社区内比较青年和老年听者对/a(:)/的感知，用时长五步与 F1、F2 各三步正交合成的 90 个目标刺激做二选一辨别，报告组水平以时长为主、F1 其次、F2 最小，老年组中有 6 人以 F1 为主，不一致刺激反应时更长且无年龄交互，支持线索权重正在转移但仍待生产数据验证。

针对平均标注的唤醒度-效价映射与个人听感错位问题，该文用冻结声学主干、只在二维 A-V 空间做人机交互遗传搜索的个性化层，在保持可懂度和自然度的条件下把偏好率提升到个性化 76% 与文化适配约 65% 上下，但代价是每种情感需多轮试听反馈且结论限于 30 人小样本。

该研究用 20 名言语治疗学生在岗前讲解中对比自然锚音与可控合成样例，报告合成组在感知敏感度与专家一致性上提升更大而自然组无显著变化，但粗糙维度是唯一明显获益项且样本与讲解时长限制了推广。

论文以芦苇为声源、以双手为外部滤波器研究卡西五个元音，用手部运动追踪、共振峰声学与 24 人听辨证明手部可构成可懂元音空间，但高基频压缩与 o-e 混淆带来准确率与反应时损失。

该研究用 12 条合成声调连续统和辨认加区分双任务比较 27 名景颇母语者和 23 名普通话母语者，报告显示除二声与三声之间未形成范畴知觉外其余声调对均有边界，但景颇组在多对声调上的边界宽度更大而分辨峰更矮，且全程未训练神经网络模型。

论文用视觉世界眼动时间线做基准，对比因果与非因果端到端语音识别模型的词激活轨迹，发现因果循环模型能复现先队列后押韵的竞争顺序而非因果与大预训练模型不能，但识别准确率更高者反而偏离人类，代价是小词表孤立词和受控语义目标的生态效度有限。

该研究用三模态眼动实验检验普通话反语指责与反语表扬对眼睛和嘴注视分配与瞳孔大小的不同依赖，最强证据是反语指责在三模态下持续偏向眼睛而反语表扬正确理解时偏向嘴且在安静视听下看眼瞳孔更大，代价是单说话人、正确试次极不平衡与无基线瞳孔校正。

用粤语英语双语语音在同语言与跨语言配对下比较 18 个说话人嵌入模型与人耳相似度判断，显示嵌入能区分同一人与不同人但跨语言时区分度下降，且依赖语速与共振峰等共享声学线索，而粤语微调并未带来可运行的提升。

该研究用 2×2×2 被试内设计比较自然与 SVC 合成语音在说话人相似性判断和语调识别中的表现，发现语调与语音类型、熟悉度与语音类型分别在准确率上交互，但合成语音在复杂韵律与社会线索上仍有局限。

该研究用假词听辨加功能磁共振比较性别、年龄、口音三种判断，显示双侧颞上区是共享声音核心但口音激活更强且各自另有外延区，代价是口音准确率最低且反应时最长、样本与刺激均为特定构造。

该研究用 2×3 被试间对话熟悉化实验检验自然度与注意指向对声音再认的影响，发现对话熟悉化提高旧说话人命中率与信心但同时增加对新说话人的误认，信号检测显示为反应偏向变宽松而非辨别力提高，注意指向无显著主效应。