语音属性识别

论文以法国视听访谈中 2096 人的平均基频为对象，用性别与年代分组的多项式贝叶斯回归比较无区分、按性别区分、按性别加年代区分三种假设，最强证据支持只按性别区分的二次模型而不支持年代整体下移，但代价是结论只限于名人访谈场景且依赖先验与分组设定。

本研究以 6 名平良老年双语人的 760 个可用片段为证据，用中间段共振峰与随时间变化的振幅距离说明摩擦元音同时具有高央元音的共振峰位置和不同于擦音的摩擦时间形态，因而不能简单归为高央元音或音节擦音。

该研究以四名母语者的朗读句末双、三、四音节词为对象，测量清化与嘎吱段时长，发现清化时长随词长增加而变长且被前置嘎吱压缩，而嘎吱时长无此规律，代价是样本小、仅朗读体且一人模式明显不同。

该研究以法语词库最小对立为对象，用词频加权且只差一个区别特征的计数估计音位、对立和特征的功能负荷，显示音节首与韵尾、词首词尾的排序差异很大，而归一化与转写选择是主要代价与限制。

该研究以科西嘉塔拉瓦语自发语音中三个基元音的声学测量为输入，用随机森林加留一说话人验证做年龄组分类，最强的分元音证据是/i/的 55,6% 精度，而全局 43,3% 精度与显著的说话人差异说明仅靠元音尚不能实现可靠分类。

该研究用巴黎两所极端社会位置学校的 36 名 8-10 岁儿童朗读任务，报告了女孩在清塞音 VOT 更长、浊塞音前置浊化更长、H1-H2 更高三项指标上均与成年女性方向一致的性别差异，并显示 VOT 性别差在优势学校更大而嗓音质量性别差在弱势学校更大，代价是样本小、无中间阶层且塞擦化仅做听辨加频谱图二分判断而未做统计检验。

该研究用电磁发音仪追踪 12 名波斯语母语者在背景、宽域、窄域、纠正四种焦点下目标词附近的三维头动，报告随突显度增加位移增大、速度整体抬升且速度曲线呈双峰节拍形态，但个体差异大、多数两两比较仅为趋势而非强证据。

该研究用 8 种权力亲疏负担组合诱发提议句并对整句基频建模，报告面子威胁越高平均基频越低且距离效应最强，但权力呈现反向的局部差异，代价是朗读任务与非完全相同句式限制了自然度。

该研究用德语问答朗读操纵焦点结构与名词语义似然，以词时长为指标，发现窄焦点稳定拉长目标词而语义不搭并未缩小双名词时长差，重复给定词仅在客体位置出现缩短。

论文在 Qwen2-Audio 上对照显式、隐式、课程式思维链与无序槽填充，报告槽填充在语音理解上 UAR 最高而从左到右课程学习在描述上相似度最高，且显式链随推理变长因误差累积明显下降。

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

针对二语流利度评估中声学加文本的朴素双模态融合在转写含噪时会低于纯声学基线的问题，论文用声学自监督嵌入加 BERT 文本加六维心理语言学标记的三模态投影加 BiLSTM 融合恢复并超过基线，在 Speechocean762 上达到 82.60% F1、在 Avalinguo 上达到 95.84% F1，代价是依赖转写与三编码器拼接带来的额外计算量。

共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读

共收录 199 篇 acl-2026 会议论文的 Reader 深度解读

该研究用 1000 人 227.3 小时四种平行音频与 11 个属性检验说话人属性隐私泄露，显示传统模型与微调后多模态大模型在多属性上明显高于随机猜测，但非语音信号与细粒度属性仍存在显著不确定性与评估代价。

论文提出只用声纹推断八类隐私属性的 HearSay 基准，用 22,064 段真实音频证明模型在性别上平均达到 92.89% 准确率且几乎不拒绝，而思维链推理在强模型上进一步放大泄露，轻量提示防御难以根治生理属性泄露。

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

论文指出全局离散符号困惑度把长程语义波动平均进声学判断，提出窗口化与局部化加归一化以及基于真实续写的人评与嵌入裁判评估，并在 SALMon 上以相关性提升与 84.1% 人类差距闭合为证据，代价是依赖转折时刻标注与裁判选择。

本文用范围综述梳理对话语音中可推断的个人与群体属性，指出话轮接管、语言趋同和互动词模式是单人声学之外的新推断通道，并提醒当前推断技术多不讨论隐私防护与威胁模型。

该文以声门源波形为输入、声学韵律聚类为自监督目标、说话人归一化与对抗说话人损失为解耦手段，在音高重建与 ToBI 事件检测上超过 HuBERT-base 与原始韵律基线，并以说话人识别准确率大幅下降为代价证明了解耦效果。