arXiv cs.CL· Mudit Sinha, Sanika Chavan·· 14 小时前AI 评分24
抹香鲸尾音（coda）的两层声学组织：从 click 波形到 coda 序列
Rhythm of the Deep: Two-tier acoustic organization of sperm-whale codas from click waveforms to coda sequences
AI 导读
研究用冻结预训练音频编码器分析 1,483 个抹香鲸 coda，发现 click 音色在时间节奏之外提供额外信息，完整 coda 也存在传统时间类型未覆盖的重复声学形式。coda 内部 click 形式顺序的预测增益有限，而跨 coda 序列时知道前两个 coda 比只知道最后一个预测更好，支持 coda 内声学组成与节奏、coda 间预测关系这两层不同组织规则。
正文 · AI 翻译
摘要：抹香鲸的尾音（coda）通常通过其咔嗒声的数量和时间来加以描述。这些度量揭示了鲸类交流中的模式，但对于咔嗒声本身的声音在时间之外还贡献了什么，以及整段尾音的顺序是否携带额外结构，仍未给出答案。我们通过两个层次的声学组织来研究这些问题，首先是尾音内部，然后是尾音序列之间。冻结的预训练音频编码器提供了一个框架，用于测量时间之外的声学变化。我们使用它们，在 1,483 段尾音中分别针对咔嗒声和整段尾音独立识别出反复出现的形式，然后通过直接波形测量验证它们的差异。在尾音内部，咔嗒声的声音提供了时间之外的信息，而当咔嗒声构成固定时，时间仍然具有信息量。在完整尾音的层面上，我们还发现了反复出现的声学形式，其差异无法被传统的基于时间的类型完全捕捉。在识别出这些形式之后，我们考察顺序在每个层次上如何起作用。在尾音内部，咔嗒声形式的顺序在构成之外几乎不增加预测信息。在尾音之间，知道最后两段尾音比只知道最后一段能改善预测。总之，这些发现支持两个具有不同组织规则的层次：尾音内部的声学构成与节奏时间，以及跨记录序列的整段尾音之间的预测关系。
| 评论： | 12 页，4 幅图，1 张表 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2606.16084 [cs.AI] |
| （或 arXiv:2606.16084v4 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.16084 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mudit Sinha [查看电子邮件]
[v1]
2026 年 6 月 15 日星期一 00:49:18 UTC（920 KB）
[v2]
2026 年 8 月 1 日星期六 06:25:08 UTC（223 KB）
[v3]
2026 年 9 月 15 日星期二 03:21:08 UTC（5,919 KB）
[v4]
2026 年 10 月 24 日星期六 04:10:07 UTC（1,604 KB）
来源：arXiv cs.CL · arxiv.org