AITOP

语音分析

共 6 条相关 AI 资讯
8月10日
10:44
10:44官方账号arXiv cs.LG@Xin Wang, Yingchao Huang, Yuhan Su, Shanshan Yao, Wei Peng
研究提出LSEAD框架，使用预训练开源大语言模型对语音录音自动转录并提取文本嵌入，再通过主成分分析降维后进行分类。该方法仅依赖本地部署的模型和语音转录文本，无需外部数据交换，支持隐私保护的AD风险评估。在ADReSS20和ADReSSo2021基准数据集上，LLM嵌入相比现有方法将AD分类准确率最高提升5%，尤其对早期检测效果显著。
论文LSEAD阿尔茨海默病语音分析
推荐理由：这个框架直接用开源LLM做语音筛查，不用联网传数据，保护隐私，在ADReSS20和ADReSSo2021上还比现有方法最高涨5个点，适合做早期阿尔茨海默病筛查研究的人看。
原文
8月3日
09:34
09:34官方账号arXiv cs.LG@Ranveer Singh, Pranuthi Tenali, Saurabh Mathur, Ameet Soni, Vaishali Phatak, Karla Lynch, Daniel Murman, Matthew Rizzo, Sriraam Natarajan
该研究提出一种自动化流程，直接从语言流畅性测试的音频中提取阿尔茨海默病进展指标。方法使用预训练基础模型处理原始音频，构建贝叶斯网络进行推理，并解释各语言标记间的定性关系。系统成功恢复了已知的临床知识，还发现了新的语言学标记关联。相关论文已发布在arXiv上。
论文Alzheimer's DiseaseBayesian Network神经符号
推荐理由：不用手动转录音频，自动从语音里挖出阿尔茨海默病早期信号，还能解释推理过程，比黑盒模型更让人放心。
原文
7月24日
11:52
11:52官方账号arXiv cs.LG@Yingchao Huang, Xin Wang, Yuhan Su, Shanshan Yao
研究提出基于开源LLM的多模态认知障碍检测框架，融合语音音频和转录文本。在ADReSS20和ADReSSo21基准上评估，分类准确率达92.4%。该框架优于单模态基线，并展现出跨数据集泛化能力。无需访问原始敏感数据，保护患者隐私。
论文ADReSS20ADReSSo21LLM
推荐理由：这篇论文用开源LLM整合语音和文本，在ADReSS20上准确率92.4%，比只用单一模态强多了，且跨数据库也能用。
原文
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
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。
原文
6月6日
06:16
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
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。
原文