论文解读
把混叠的音频表示拆开:AudioSAE 用稀疏自编码器解剖 Whisper 与 HuBERT
该文在 Whisper 与 HuBERT 每层编码器激活上训练 BatchTopK 稀疏自编码器,用跨种子稳定性、分类探测与消融、转向和脑电相关验证特征,最强证据是转向使虚假语音检出平均下降 70% 而词错误率仅从 5.1% 升至 5.5%,代价是彻底擦除语音概念需移除 19-27% 特征且强转向会破坏识别。
该文在 Whisper 与 HuBERT 每层编码器激活上训练 BatchTopK 稀疏自编码器,用跨种子稳定性、分类探测与消融、转向和脑电相关验证特征,最强证据是转向使虚假语音检出平均下降 70% 而词错误率仅从 5.1% 升至 5.5%,代价是彻底擦除语音概念需移除 19-27% 特征且强转向会破坏识别。
共收录 36 篇 eacl-2026 会议论文的 Reader 深度解读
针对 Whisper 在无语音输入上生成流畅幻觉文本的问题,论文用无语音校准集估计解码器幻觉子空间并在推理时做低秩投影以提升无语音概率,门控版本在保留语音识别的同时把非语音幻觉率大幅降低。
音频分类 | 5.9/10
语音识别 | 8.3/10
说话人日志 | 6.4/10
语音活动检测 | 7.4/10
语音交互 | 6.1/10
语音活动检测 | 6.5/10
音频事件检测 | 7.2/10
共分析 1 篇语音/AI 论文
语音活动检测 | 6.7/10
语音活动检测 | 7.3/10
语音活动检测 | 5.9/10
语音对话系统 | 7.8/10
语音活动检测 | 7.0/10
全双工对话系统评估 | 6.0/10
模型评估 | 7.0/10
说话人分离 | 7.5/10
语音活动检测 | 7.5/10