言语障碍

针对儿童自发语音中病理性口吃与发育性不流畅声学重叠的问题，论文用词节点与帧节点的异构图建模词汇意图与声学实现的层级交互，在 47 名儿童的 UCLASS 与 FluencyBank-CWS 合并语料上以说话人独立 5 折验证取得 82.4% 加权准确率和典型不流畅 F1 0.386，代价是核心口吃类 F1 仅 0.280 且依赖增强与过采样平衡。

该文把情绪、语言、病理和源滤波器做成手工特征集，用有界神经互信息估计加非参数校验量化维度间依赖，最强证据是跨维度互信息低于 0.15 纳特而源滤波器互信息为 0.47 纳特，代价是结论只对手工静态特征和六个英语语料成立。

针对西班牙语渐冻症、帕金森和卒中后语音识别难且缺野外基准的问题，论文构建 22 人 444 段的 S-DiverSe 只做评测集，对比 4 个 ASR 系统与微调策略，最强证据是启发式文本后处理把 Voxtral-Mini 和 Whisper 在 S-DiverSe 上的总词错率降到 23.73% 和 22.01%，而全量微调在域外反而恶化到 26.81% …

该研究用非词软腭音连续体与边界放大设计检验普通话口吃者的嗓音起始时间范畴感知，发现辨别能力本身无组差，但识别边界右移趋势与边界处反应时不对称减弱并存，且严重度越高类内辨别越快而准确率不降，代价是样本小且严重度分析仅为探索性。

该研究用同一批 66 名德语肌萎缩侧索硬化患者的五种语音任务预测言语功能评分与构音障碍生活质量问卷评分，最强证据是跟随个人的纵向设置下重复音节任务对生活质量问卷达到一致性相关系数 0.86，而持续元音在两种设置下均最弱，代价是随访样本仅 17 人且数据不公开。

论文以问答式任务检验榜单前列开放语音识别模型在口吃与构音障碍语音上的泛化能力，用统一预处理与贪婪解码比较五种架构，最强证据是平均词错误率相对榜单膨胀 2 至 5 倍且极端幻觉可达 24 倍，代价是逐字转写取向与长时读句任务上误差急剧放大。

针对电子喉语音与健康语音域失配且大模型难流式部署的问题，论文用冻结自监督模型的离散音素目标加电子喉微调识别模型的瓶颈特征做三阶段渐进蒸馏，最好的 Mel-Conformer 把电子喉词错误率从最强零样本基线的 39.3% 降到 21.2%，代价是仍需平行语料做对齐且只用识别探测验证，ONNX 单核实时率为 0.30。

针对构音障碍语音识别中离散 token 与识别目标错位且随严重程度漂移的问题，该文用迭代伪标签更新、可微端到端优化与严重程度不变正则学习 DSI token，在 UASpeech 与 TORGO 上显著优于可比 HuBERT 连续与离散基线，系统组合后最低词错误率分别为 18.90% 和 6.38%，代价是需内容平行的健康对照与额外的端到端训练。

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

针对清醒脑肿瘤手术中电刺激引起的短暂构音障碍难以实时听辨的问题，论文提出录音去噪加 Whisper 切分加 MFCC 加 GRU 的二分类方法，在计数与 DO80 任务上报告约 90% 以上验证精度，但合并任务出现过拟合且异常样本仍偏少。

该研究用同一批句子在字面与反讽语境下诱发法语朗读并测量语速、基频与强度，报告两组均未出现稳定显著的反讽标记，个体策略差异大于诊断组间差异，代价是仅 10 人小样本与强语境消除了对韵律的依赖。

该研究用 Seed-VC 把健康对照的持续元音转换成癌与良性黏膜病变的嗄声并请专家做 GRBAS 与四级可信度评定，结果显示转换声不总被判为人工但仍可被感知且常规声学差值解释不了，提示先别直接拿去训练分类器。

该研究以 27 例唇口咽癌后自发对话语音检验 Whisper large 转写，发现字符错误率与感知严重度呈强负相关并以 50% 为界分出两组，重度组多层错误率平均高约 42.82%，其中词法与句法层代价最大而纯词性类别差异最小。

该研究把原来只给朗读打一个总分的可懂度模型改造为按轮次打分的时间序列方法，在 13 例舌切除患者的半结构化临床对话上检验临床医生说话是否影响患者下一轮可懂度，最强证据是 7 例中存在显著关联且 PMB01 约 40% 变化可被解释，代价是 10 秒窗导致的时间粒度粗糙且个体差异极大。

该研究把转写词错率当作后续音素对齐的前置条件，在未见过的健康与病理法语数据上比较四类系统，最强证据是训练数据与评测风格越接近误差越低，而代价是没有任何模型在犹豫词和不同病理间保持稳定。

该研究让三组帕金森患者分别接受适配音乐、随机音乐和无音乐的四周步态训练，用 30 秒 pataka 重复任务比较干预前后音节间期离散度，最强证据是音乐组节律离散度下降而无音乐组上升且整体音乐效应 p=0.018，代价是样本小且大量依赖 Praat 手工校正。

该研究在法语朗读任务中比较言语失用症、帕金森构音障碍、小脑性共济失调构音障碍与典型对照的韵律成组，报告显示三组都保留四级边界与两级节奏突显的清单但分布不同，而失用症组以过多边界和词内边界形成最碎的切分。

该研究以标准化朗读任务的时间声学测量为输入，用主成分分析加层次聚类找出慢而分段与快而连续的第一维度和节律规整性的第二维度，得到 5 个与疾病分期和感知严重度不完全对应的口语轮廓，但样本小且仅用时间测量因而不能单独判定临床严重度。

该研究用句中焦点问答任务比较 15 名普通话自闭症儿童与 15 名年龄匹配典型发展儿童，显示典型组靠焦点音节基频提升加焦点后压缩标记焦点，而自闭症组基频使用受限、转而靠焦点后振幅与时长压缩实现区分，代价是焦点音节增强不足且模式随声调变化。