语音表示空间的几何分析：拓扑解缔与混合物检测
声音
2026-02-25 v1 音频与语音处理
摘要
基于语音的临床工具正在跨语言化部署，但病态语音标记是否在几何上与方言变化可分离仍不明确。系统可能对健康非母语者误分类，或错过多语言病患者中的病性。我们提出四度量聚类框架，评估情感、语言和病态语音特征在六个语料库和八个数据集组合上的几何解缔情况。一致的层次结构 emerges: 情感特征形成最紧密的聚类（Silhouette 0.250），其后为病态（0.141）和语言（0.077）。混合物分析显示病态-语言重叠仍小于 0.21，虽高于置换零，但对临床部署保持有限。可信度分析确认嵌入保真度和几何结论的鲁棒性。我们的框架为跨族裔多样化人群的公平且可靠的语音健康系统提供可操作指导。
引用
@article{arxiv.2602.20823,
title = {Geometric Analysis of Speech Representation Spaces: Topological Disentanglement and Confound Detection},
author = {Bipasha Kashyap and Pubudu N. Pathirana},
journal= {arXiv preprint arXiv:2602.20823},
year = {2026}
}
备注
Submitted to INTERSPEECH 2026