语音分析相关 AI 资讯 · AI 热点

7月2日

10:03

10:03

官方账号arXiv cs.LG@Hanna Drimalla, Wieland R. Cremer, Christine Kraus, Oliver T. Wolf

本研究从50名参与者的语音数据中，利用说话人分离和机器学习模型，实现了对Trier Social Stress Test情境下压力状态的自动检测，性能显著高于均值基线。同时，部分生理和情感压力反应可从声学韵律特征中预测，特征重要性分析识别出最关键的预测因子。结论表明语音可作为压力反应的多维度无侵入式指标。

论文 Trier Social Stress Test 压力检测语音分析机器学习特征重要性

推荐理由：这篇论文用50人的实验数据，结合说话人分离和机器学习，证明了语音能有效检测压力，还找出了关键声学特征，挺有意思的研究。

6月6日

06:16

06:16

Ate-a-Pi@svpino

开发者 Santiago 在构建语音管道时发现，传统方法将音频转为文本后丢失了语气、犹豫、讽刺等关键信息。Modulate AI 的 Velma 模型直接处理原始音频，无需转录，能检测多达 150 种隐形线索，已在《使命召唤》和《GTA Online》中用于实时检测毒性言论。Velma 通过 API 提供，成本比通过 LLM 处理音频低约 10 倍。该模型解决了语音分析中语义与情感分离的痛点，适合需要深度理解语音意图的团队。

AI产品语音分析 Modulate AI Velma 实时检测 API

推荐理由：做语音分析或实时内容审核的开发者，Velma 直接跳过转录环节，成本低且能捕捉语气情绪，值得一试。

5月13日

19:12

19:12

官方一手arXiv: DeepSeek@Erfan Loweimi, Sofia de la Fuente Garcia, Saturnino Luz

精选

研究团队利用大语言模型（LLM）从自发语音中零样本预测Ryff心理幸福感（PWB）分数。基于PsyVoiD数据库中111名参与者的几分钟语音录音，评估了12种指令微调LLM（包括Llama-3、Ministral、Mistral、Gemma-2/3、Phi-4、DeepSeek和QwQ-Preview）。与临床心理学和语言学专家合作开发了领域提示词。结果显示，LLM能从语音中提取语义线索，在80%的数据上达到最高0.8的Spearman相关性。研究还通过统计分析解释预测变异性和偏差，并用词云突出驱动预测的语言特征。

论文 LLM 心理幸福感语音分析零样本预测临床心理学

推荐理由：这项研究为心理健康评估提供了非侵入式新方法——用几分钟语音就能预测幸福感，做临床心理学或语音分析的团队值得关注，零样本方案降低了部署门槛。