语音可懂度评估

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。

该研究以 21 名助听器佩戴者区分 ada 与 aga 的三线索权重和三种朝向的谱时调制检测阈为证据，显示第二共振峰线索利用与对应调制敏感性相关，但样本小且高频爆破条件多未完成使结论仍为相关性支持而非因果证明。

该试点研究用实时上移第二共振峰的听觉反馈扰动检验可懂度需求是否增强听觉运动适应，在两名法语被试上未发现系统性效应，只在个别被试上看到与假设一致但不一致的趋势，且暴露了顺序与消洗不彻底的方法局限。

该研究以法语重音短语为节奏单位，用脑电的成对相位一致性检验三角波跟随语速的能力，初步显示老年人在三倍速下耦合消失并伴随理解与复述分数下降，但神经证据目前仅为每组一人的试点分析，须等待六十人规模的完整处理来确认。

该工作研究无训练介入式可懂度预测，用冻结语音基础模型分层嵌入的参考测试分布距离代替人评，在英文编码增强与中文增强数据上显示 Whisper 末端层加 Fréchet Audio Distance 相关最强且跨语种比词错误率稳健，代价是需要成对参考与更大模型开销。

该文用逐个辅音静音加孤立词识别的方法定义掩蔽致误识率来给辅音排序，最强证据是控制另一变量后频率与误识率负相关而功能负载正相关，代价是静音为上限式探针且只覆盖单个辅音与自动识别代理。

该研究用同一句话在 50%、100%、200%、400% 四档用力下比较“大声”与“有意念”两种外部提示，报告显示提示间声学与感知差异很小而档位间差异显著，但 400% 用力反而平均强度与音高范围下降，代价是自然度与清晰度的权衡仍未解开。

该研究用德语三档自然语速与其 PSOLA 时长对齐版本做清晰度评分与 A/B 偏好实验，证明全局语速强烈预测清晰度但重音、有声段保持与元音频谱保持贡献独立方差，而线性伸缩不能复原自然缩减的分布。

该个案以四组同音节五声调重复任务结合五位母语听辨与基频时长声学测量，显示总体听辨正确率仅 36.1% 且高调 T1 仅 6%，代价是单被试、无纵向干预对照，不能推广为群体规律。

该研究用 80 名口腔与口咽癌患者的伪词解码任务检验可懂度评分是否随词表、面对面与远程场景和评估者经验而变，结果显示词表与场景无显著差异而重度损伤段专家评分幅度更收敛，但专家效应仍是待解释的代价。

该工作用注意力端到端语音识别内部后验的不确定性做全盲微观可懂度估计，在 GRID 句库上以熵和离散度指标在相关性和逻辑回归预测准确率上超过直接用识别结果的基线，代价是离散度需额外对齐与多假设打分且结论限于小词汇矩阵句。

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

语音可懂度评估 | 6.4/10