面向跨任务语音自杀风险检测的语音大语言模型
音频与语音处理
2025-09-29 v1
摘要
青少年自杀风险仍是公共卫生的紧迫议题，语音提供了非侵入且可扩展的检测方式。现有方法通常仅聚焦单一语音评估任务。本文首次探讨跨任务方法，将多样化语音自杀风险评估任务统一于单一模型。具体而言，我们以语音大语言模型为骨架，融合混合DoRA专家（MoDE）方法，动态捕获跨任务评估中互补的线索。该方法在1,223名受试者的10项自然语音任务上进行测试。结果表明，MoDE不仅优于单任务专用模型与常规联合调优方法，实现更高检测准确率，还提供更佳的置信度校准——这在医学检测任务中尤为重要。
引用
@article{arxiv.2509.22153,
title = {Towards Cross-Task Suicide Risk Detection via Speech LLM},
author = {Jialun Li and Weitao Jiang and Ziyun Cui and Yinan Duan and Diyang Qu and Chao Zhang and Runsen Chen and Chang Lei and Wen Wu},
journal= {arXiv preprint arXiv:2509.22153},
year = {2025}
}