零样态 Parkinson's 病检测：比较大型音频与语言模型
计算机视觉与模式识别
2026-05-26 v1
摘要
大型音频和语言模型最近在 various 领域展示了零样态推理能力，但输入形式（即从语音中提取的手工声学特征或原始音频波形本身）对不同语言中 Parkinson's 病 (PD) 检测性能的影响尚不明确。在本研究中，我们系统比较了两种输入模式用于零样态 PD 检测：(i)由通用 LLM 分析从语音录音中提取的手工声学特征，和 (ii)由音频能力模型直接分析原始音频波形。四种语言的 PD 语音数据集实验显示，性能在输入模式、语音任务和语言之间存在差异。在低资源语言（例如孟加拉语）中，手工声学特征提供了更稳定的性能，而音频输入则产生数据依赖的收益。这些发现突显了输入模式对零样态 PD 检测影响。
关键词
引用
@article{arxiv.2605.24805,
title = {Fishbone: From One 3D Asset to a Million Controllable Edits},
author = {Yumeng He and Xiaoying Wang and Peihao Li and Yanjia Huang and Joe Masterjohn and Jiajun Wu and Leonidas Guibas and Yin Yang and Ying Jiang and Chenfanfu Jiang},
journal= {arXiv preprint arXiv:2605.24805},
year = {2026}
}
备注
20 pages, 19 figures