语言识别

论文要解决希腊语混英语电话与会议转写同时过九道生产门的问题，选择不再找单一训练配比而是用路由加解码干预加组合绕行，最强证据是三模型词投票把门覆盖从单模型 4 到 7 项拉到 9 项并把重叠语音词错误率从 53.35% 降到 37.87%，代价是单模型在该规模下希腊噪声门与英语语种识别门所需步数相差近 6 倍而无交集。

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

该研究用 12 句自然叙述录音让 245 名听者做二选一变体判断，总准确率 64.7% 高于机遇，但单语和西班牙语主导者约 70% 而遗产双语者仅 58.8%，且回归显示听者画像效应稳健而熟练度和接触量不再显著。

该研究用去词汇化朗读检验双语听者仅凭韵律区分印地语和印度英语的能力，再对同一批话语的感知边界做基频、强度、时长和停顿的词级声学分析，最强证据是总体语言识别准确率为 63.5% 且印地语边界分类更依赖相对强度而英语更依赖时长，代价是朗读体、单一切分与小样本朗读者限制了推广。

该文把 CFPR 扩展为八类口音评测基准并做 87 人听辨实验，再用冻结的 MMS-LID-256 训练八分类器，报告在 CFPR 上整体准确率 40.98% 而人类多数投票为 70.4%，代价是中部与东部分类互相混淆且增强后大类反而下降。

该研究以马赛市议会 10 名说话人各 5 段录音和 49 名听众的 5 级口音等级判断为证据，显示说话人均值从 1.33 到 4.10 呈近连续分布且重测相关 R²=0.98，而听众地域与态度变量均不显著，代价是 30 分钟在线测试流失率高且语音内容未做音系控制。

该研究把多语言音素识别器输出的国际音标序列接上单语种 n 元音位组合模型做闭集语种识别，在 FLEURS 上达到与近期声学系统可比的准确率，但音素识别错误率和解码对照显示该序列并非真正与语言无关。

该研究把语种识别改写为二值语音属性上的独立伯努利似然，用二值自编码器加按频率估计的激活概率做闭集判分，在 FLEURS 上以 mms-lid-126 嵌入达到与 PLDA 相当的精度，同时保留按属性回看判分依据的能力，代价是在 ECAPA-TDNN 与未见语种上出现更明显的性能下降。

共收录 199 篇 acl-2026 会议论文的 Reader 深度解读

该文用 14 维说话人一致构音特征比较 VCTK 苏格兰、英格兰、爱尔兰口音，以 DTW 对齐达到 99% 分类准确并以最优传输扩展到非平行语料，但 OT 需要约 7.5 分钟语音和上百聚类点才稳定。

针对噪声混响等导致语言向量漂移的问题，该文冻结语种识别器并在其输出向量上学习流匹配变换，用五语种失真配对实验把 ECAPA 整体准确率从 0.6900 提升到 0.8672，代价是推理需 50 步常微分方程求解且法语等个别情形仍弱于波形前端。

针对同一说话人说多种语言导致声纹捷径失效的问题，该系统用声学分类器加语音大模型加零样本音位模型做识别、用双转写加推理大模型做验证，开发集识别 95.2% 宏准确率与验证 0.90% 等错误率，评估集为 96.78% 与 3.06%，但开发到评估存在明显落差且融合参数依赖开发集估计。

共收录 52 篇 odyssey-2026 会议论文的 Reader 深度解读

论文把自然语言质检需求编译为依赖感知的有向无环工作流并调用 24 个音频与文本核查工具，在专家一致率 80-90% 的条件下把人工成本时间压到 20% 以下，代价是规划器选型与幻觉和运行时的权衡。

针对多语说话人带来的身份偏置问题，该工作用说话人门控动态加权同说话人与跨说话人两个神经 PLDA 语言专家，在盲测上报告验证等错误率 19.13% 与识别宏平均准确率 78.94%，代价是两阶段数据复用导致开发集显著乐观。

针对同一说话人说多种语言时模型易依赖说话人特征走捷径的问题，该文采用在 VoxLingua107 上预训练的 ECAPA-TDNN 做编码器并比较 AAM-Softmax 与 RAM-Softmax，在 Tidy-X 上报告识别任务 85.95% 宏准确率与验证任务 16.39% 等错误率，最强证据来自与官方基线的同协议对照，代价是未充分优化未见语种验证与未 …

针对跨语言说话人确认退化与语种识别走说话人捷径的纠缠问题，论文用冻结 W2V-BERT 2.0 加小波前缀调谐与减加双路径融合，在 TidyVoice 上报告 3.16% 和 4.35% 等错误率，代价是依赖后处理校准与多阶段调参。

共收录 36 篇 eacl-2026 会议论文的 Reader 深度解读

针对码切换话语中带矩阵语言口音的英语检出接近零的问题，论文用 80 条口音匹配英语做 LoRA 微调 MMS-LID 并引入 LangRank 排序评估，在印地-英语等四对语言上提升英语检出同时保持单语性能，代价是仍与 Oracle 有差距且依赖已知矩阵语言选口音。