研究定位语音中说话人音色的分布

Yiquan Zhou 等作者发表研究，以说话人身份为可测量代理，探测语音中音色信息的分布位置。研究称，1–8 kHz 的幅度与声道谱包络结构主导听感，8 kHz 以上频段仍具机器判别力；浅层自监督学习（SSL）层暴露紧凑的说话人信息，token 泄漏程度取决于 tokenizer 与层选择。 这些结论来自该研究对语音信号的探测，说明音色信息并非集中于单一频段或网络层，而是分散在频谱与模型层级中。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。