语音与音频

一篇 ICML 2026 录用论文提出 MetaPerch，探索把地点、时间等录音元数据作为辅助监督信号，用于训练生物声学基础模型。它的核心问题不是“多听更多声音”，而是让模型理解声音背后的生态与地理语境。

一篇 arXiv 新论文探索了无需文本和大量标注数据的二语口语评分方法。研究显示，基于 WavLM 表示与动态时间规整的语音比较，能在音素评分上达到很强表现，并对节奏与语调评估提供新路径。