arXiv cs.CL· Elahe Khatibi, Ziyu Wang, Amir M. Rahmani·· 10 小时前AI 评分31
MedAstra：无需 ASR 的语音检索框架，为医疗问答提供诊断依据
MedAstra: ASR-less Speech Retrieval with Diagnostic Grounding for Medical QA
AI 导读
MedAstra 提出一种无需 ASR 的语音检索框架，将冻结的 WavLM 语音表示经轻量适配器映射进冻结的 E5 文本嵌入空间，可直接以波形作为查询。语音检索器 Recall@10 达 87.6，混合配置达 90.4，高于转写优先稠密检索的 81.0。检索到的段落与语音关联文本元数据用于生成带实体替代项和诊断对比的答案，但词法检索与文本生成仍需文本输入。
正文 · AI 翻译
摘要：当自动语音识别（ASR）在检索前损坏了临床重要术语时，口语医疗问答可能会失败。我们提出 MedAstra，一个将冻结的 WavLM 语音表示通过轻量级适配器映射到冻结的 E5 文本嵌入空间的框架。这使得密集检索路径能够接受波形而无需查询转录文本。检索到的段落和与语音关联的文本元数据支持答案生成，包括实体替代项、诊断对比、关系启发式和有界检索细化。无 ASR 指的是初始语音检索接口；词汇检索、基于字符串的实体纠正和文本生成器需要文本输入。确定性语音嵌入不构成经过校准的声学不确定性模型。报告的检索结果达到仅语音检索器的 87.6 Recall@10 和混合配置的 90.4，而转录优先的密集检索为 81.0。医疗问答和消融实验提供了描述性系统比较，并明确说明了输入来源和评估局限性。我们将受控合成声学测试与真实临床语音区分开来，对组件归因加以限定，并明确了评估仅语音问答和临床泛化所需的其余比较。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01261 [cs.CL] |
| （或 arXiv:2611.01261v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01261 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Elahe Khatibi [查看电子邮件]
[v1]
2026年10月31日星期六 21:00:22 UTC（10,403 KB）
来源：arXiv cs.CL · arxiv.org