论文页面 - 基于层级跨语言语音抑郁症检测：基于对比对齐的分析

来源：https://huggingface.co/papers/2607.02920

摘要

一个监督对比对齐框架将英语和普通话的WavLM嵌入映射到共享的临床空间，用于抑郁症检测，解决了跨语言泛化挑战，并揭示了由说话人身份泄露导致的性能伪影。

不同语言人群在抑郁症的诊断和临床表现上存在显著差异。基于语音的抑郁症检测在单语言场景下表现良好，但跨语言泛化 (https://huggingface.co/papers?q=cross-lingual%20generalization) 仍然是一个开放挑战。一个关键原因在于，先前工作使用基于段级的随机划分而未进行说话人分组，导致身份泄露，从而虚高了报告指标。我们提出CLeaD，一个监督对比对齐 (https://huggingface.co/papers?q=supervised%20contrastive%20alignment) 框架，将英语和普通话 (https://huggingface.co/papers?q=Mandarin) 的WavLM嵌入 (https://huggingface.co/papers?q=WavLM%20embeddings) 映射到共享的临床空间，无需并行数据或目标语言微调。在52位普通话 (https://huggingface.co/papers?q=Mandarin) 说话人的评估中，对比对齐在留一说话人评估 (https://huggingface.co/papers?q=leave-one-speaker-out%20evaluation) 下略微优于基线（F1: 0.640 vs. 0.622）。它还在中间层（7-8层）改善了抑郁类别的召回率，但测试集较小限制了泛化性。两个发现保持稳健：模型规模增大在提升单语言英语 (https://huggingface.co/papers?q=monolingual%20English) 性能的同时降低了跨语言性能；说话人身份泄露 (https://huggingface.co/papers?q=speaker%20identity%20leakage) 人为地将先前报告的普通话 (https://huggingface.co/papers?q=Mandarin) F1分数虚高至0.954，我们重现并量化了这一伪影。

查看 arXiv 页面 (https://arxiv.org/abs/2607.02920)查看 PDF (https://arxiv.org/pdf/2607.02920)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.02920)

在你的代理中获取此论文：

hf papers read 2607.02920

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2607.02920 即可从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.02920 即可从此页面链接。

引用此论文的 Spaces0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2607.02920 即可从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面链接。