arXiv 自然语言处理· Tianze Xu, Xiyang Li, Xiaoming Jiang, Volker Dellwo·· 7 時間前AI スコア36
深度神经网络说话人嵌入的类人跨语言泛化及其声学基础
Human-like cross-language generalisation in deep neural speaker embeddings and its acoustic foundations
未翻訳のため中国語で表示しています。
AI ガイド
一项新研究对比 18 个 SOTA 说话人模型与人类评估，证实深度神经网络说话人嵌入具备与人类广泛平行的跨语言泛化能力。在粤语-英语双语测试中，模型嵌入可准确区分说话人身份并对语言切换敏感，依托与人类模式一致的共享声学线索与加权机制。该发现为跨语言语音相似度的人机对齐提供了证据，论文已被 Interspeech 2026 接收并开源代码。
出典：arXiv 自然语言处理 · arxiv.org