语音维度独立性量化：基于信息论的解耦表示学习框架
声音
2026-02-25 v1 音频与语音处理
摘要
语音信号在共享声学信道中编码了情感、语言和病理信息；然而，解耦通常通过下游任务性能间接评估。我们引入信息论框架，通过整合有界神经互信息(MI)估计与非参数验证，来量化手工声学特征之间的跨维度统计依赖性。在六个语料库中，跨维度MI保持较低，估计边界紧密（ nats），表明所考虑数据中的统计耦合较弱，而Source--Filter MI 显著更高（0.47 nats）。归因分析，即总MI归属于source 还是 filter 成分的比例，揭示了情感维度中source 主导（80%），而语言和病理维度中filter 主导（分别为60% 和58%）。这些发现为量化语音的维度独立性提供了原则框架。
引用
@article{arxiv.2602.20592,
title = {Quantifying Dimensional Independence in Speech: An Information-Theoretic Framework for Disentangled Representation Learning},
author = {Bipasha Kashyap and Björn W. Schuller and Pubudu N. Pathirana},
journal= {arXiv preprint arXiv:2602.20592},
year = {2026}
}