标签
比尔·盖茨强调,语音分析是洞察大脑健康和阿尔茨海默病风险的一个引人入胜的窗口,并提到了该领域正在开展的研究。
一项涵盖西班牙语、普通话、英语和日语的跨语言、跨任务声学分析研究发现,时间特征在认知障碍检测中具有稳健的泛化能力,而语速和音高特征则依赖于具体任务和语言,提示不应不加区分地合并异质性语音数据。
Hume AI 推出了 Hume Audio Decision API,这是一种只需单次调用的模型,可接收音频和一组问题,并返回附带置信度分数的答案,无需转录文本即可识别语气、犹豫、笑声及说话者线索。
本文提出LAPE方法,该方法通过副语言线索丰富LLM导出的语言表征,用于阿尔茨海默病检测,并在基准数据集上实现了最先进的性能。
本研究利用语音和语言的多模态分析来识别老年人孤独感的预测因素,表明一个综合模型优于仅文本或仅音频的方法。
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。