arXiv · NLP· Yun-Shao Tsai, Chun-Wei Chen, Chee-En Yu, Yi-Cheng Lin, Hung-yi Lee·· 2026-10-07AI 评分24
语音语言模型是否像人类一样“听”?基于真实语音数据探究声音象征性与感知对齐
Hearing Like Humans? Sound Symbolism and Perceptual Alignment in Speech Language Models
AI 导读
研究发现语音语言模型(SLMs)的听觉判断与人类感知对齐较差,且难以捕捉驱动人类直觉的声学线索如频谱倾斜。 开放权重模型无法可靠地将听到的声音与其对应形状建立联系。 实验表明感知对齐依赖于捕捉人类可听线索的语音表征,而非更强的视觉能力。
来源:arXiv · NLP · arxiv.org