语言与语音处理-论文12篇（2025年8-9月）

主要观点总结

本文介绍了多个与音频、语音和语言处理相关的研究论文，涵盖了多域对话状态跟踪、语音情感识别、平面传声器阵列差分波束形成等领域。这些论文提出了不同的方法和框架来解决各种挑战，包括提高多域对话状态跟踪的性能、利用内容和声学表示进行语音情感识别、有限差分框架用于平面传声器阵列差分波束形成等。

关键观点总结

关键观点1: 多域对话状态跟踪的挑战和解决方案

对话状态跟踪是面向任务的对话系统的核心组成部分，处理跨多个域的对话状态是一个重大挑战。最近的进展通过探索各种方法利用从对话上下文派生的域时隙表示和采用各种注意机制来解决这一挑战。然而，现有的模型在处理这些相关性方面仍然存在不足。在本文中，提出了一个具有大语言模型（LLM）原理和解纠缠域时隙注意的多域对话状态跟踪框架，通过引入多域感知指令提示和解纠缠域时槽注意机制，提高模型的性能。

关键观点2: 语音情感识别的技术和成果

语音情感识别是从语音内容中识别情感表达的任务，由于难以提取捕获情感属性的表示，因此具有挑战性。在本文中，提出了CARE（情感的内容和声学表示），其中设计了一种双重编码方案，强调语音的语义和声学因素。通过在有监督原始语音上训练语义编码器，训练声学编码器以预测语音信号的低层逐帧特征。该对偶编码方案在多个数据集上提供了有效的情感识别。

关键观点3: 平面传声器阵列差分波束形成的有限差分框架

差分麦克风阵列由于能够捕获声压和差分场，在高保真声信号采集和增强中显示出优势。然而，现有的大多数方法都是基于波束方向图近似的。为了解决这个问题，提出了一种用于平面DMA分析和设计的有限差分框架。这项工作的主要贡献是重新审视DMA的基本原理，通过将有限差分应用于平面阵列以近似声压场的方向导数。此外，基于这种有限差分近似，线性DMA的空间差分算子（SDO）被推广到二维（2D）情况。

关键观点4: 基于对比模态翻译的语音文本表示对齐

自动语音识别（ASR）的最新进展导致了系统精度和鲁棒性的显著提高。在涉及复杂语言内容和可变声学条件的场景中，仍然存在挑战。为了缓解这些问题，最近的研究探索了语音和文本的联合建模。本文提出了一种对比模态翻译框架，以改善语音和文本表示之间的对齐。通过利用跨模态对比学习，提高了ASR性能，特别是在情感语音场景中。

关键观点5: 其他研究的贡献和创新点

其他几篇论文分别介绍了知识密集型语言任务的预训练生成式检索模型、音乐表示学习、说话人区分与分离、人工耳蜗植入降噪应用等方面的研究。这些研究通过引入新的方法、模型和框架，提高了相关领域的性能和准确性。