论文页面 - ChildVox：一个面向童年期声音理解与描述的语言、音频及大规模音频-语言模型基准

来源：https://huggingface.co/papers/2605.29257 作者：

，

，

，

，

，

，

，

，

，

，

，

摘要

ChildVox 提出了一个综合性基准，用于利用多种音频和语音模型分析儿童在不同发育阶段的声学沟通行为。

我们提出了 ChildVox，这是一个新颖的基准，旨在描述儿童通过多样化声学信号进行沟通的特点。具体而言，ChildVox 涵盖了从出生到学龄期的完整发育轨迹，涉及生理声音、非语言发声、标准音节以及口语语言。ChildVox 整合了来自 17 个以儿童为中心的音频和语音数据集的 20 多个子任务，支持系统性的跨语料库和跨领域比较。我们评估了一系列具有代表性的音频和语音基础模型（https://huggingface.co/papers?q=audio%20and%20speech%20foundation%20models），包括自监督模型、面向 ASR 的模型以及大规模音频-语言模型（https://huggingface.co/papers?q=large%20audio-language%20models），任务涵盖生理声音分类（https://huggingface.co/papers?q=physiological%20sound%20classification）、发声与标准音节建模（https://huggingface.co/papers?q=canonical%20syllables%20modeling），以及语音质量评估（https://huggingface.co/papers?q=speech%20quality%20assessment）和识别。基准测试结果表明，ChildVox 提供了一套高性能模型，能够识别儿童发出的各种声学信号，支持下游应用，如描述儿童语言水平及追踪随年龄增长的语音产出。

查看 arXiv 页面（https://arxiv.org/abs/2605.29257）查看 PDF（https://arxiv.org/pdf/2605.29257）项目页面（https://tiantiaf0627.github.io/childvox/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.29257）

引用本文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.29257 以从此页面链接。

引用本文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.29257 以从此页面链接。

引用本文的 Space0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.29257 以从此页面链接。

包含本文的收藏集1