研究揭示说话人嵌入模型具备类人跨语言泛化能力

2026年11月5日，arXiv公布了一项关于深度神经网络说话人嵌入的研究。该研究将18个最先进（SOTA）的说话人模型与人类评估进行对比，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，模型嵌入能够准确区分说话人身份，并对语言切换保持敏感，这一特性依托于与人类模式一致的共享声学线索及加权机制。该成果为跨语言语音相似度的人机对齐提供了证据。目前，该研究论文已被Interspeech 2026接收，相关代码也已开源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。