标签
讨论语音代理在转录为文本时如何丢失语调、犹豫和说话人身份等副语言信号，并质疑这些特征是否以及如何在下游被捕获和使用。
使用基于Transformer的检测方法分析了四个斯拉夫议会中的填充停顿，复现了已知效应（年龄、语速），并发现了与情感、政治取向和权力地位的新关联。
本文介绍了DEPOOL，一个受控基准，评估了六种时序聚合架构在六种冻结语音主干网络上的表现，用于双人交互中的抑郁检测，发现许多配置会坍缩为单类别预测，并且鲁棒性应作为一个关键标准。
Speech Playground 是一款语音分析与比对的交互工具，结合 Python 后端与 Web 前端，支持多种特征类型探索以及话语对比，适用于语音研究和计算机辅助发音训练。
本文提出了一种多视图门控图注意力网络，用于从自发言语中检测阿尔茨海默病，利用语义图、依存图和共现图，并采用自适应门控融合机制。该模型在ADReSSo数据集上达到90.00%的准确率，源代码已公开。
本文提出一个多阶段可解释框架，结合基于SHAP的词元归因、理论指导的语言特征以及LLaMA-3.1-70B-Instruct大语言模型推理，用于解释基于Transformer的语音模型在认知障碍检测中的表现，取得了良好的临床一致性及高可用性评分。
本文探讨了老年人的日常语言是否可以用作个性化的认知监测工具，发现AI模型能够检测出表明认知衰退的微妙语言模式，而标准的GPT回答则无法做到这一点。
提出了一种多模态框架，用于从语音中公平地检测轻度认知障碍，通过梯度反转实现遗忘，以减少人口统计学偏差并提升各子群体的性能。
本文介绍了MA-DLE，一种基于记忆的特征增强方法，用于基于语音的自动抑郁程度评估，在DAIC-WOZ和E-DAIC数据集上达到了最先进的性能。
本文提出了一种跨语言迁移学习方法，用于从语音中检测阿尔茨海默病，覆盖多种语言，实现了82%的F1分数，并支持实时筛查应用。
这篇学术论文探讨了利用大语言模型（LLMs）从零样本预测自发语音中的心理健康评分，评估了12个模型，并实现了与临床指标的高度相关性。