LAPE
LAPE是一种基于大语言模型的副语言增强框架，通过韵律事件文本化、词汇-韵律单元化与分块、以及文本锚定的副语言融合三项技术，将停顿、词语拉长等声学特征与语言内容联合建模，用于阿尔茨海默病的语音自动检测
时间轴 (近 90 天)
一篇发表在arXiv上的论文提出了名为LAPE（LLM-Anchored Paralinguistic Enrichment）的框架，用于阿尔茨海默病语音检测
LAPE的核心理念是以大语言模型提取的语言表征为锚点，再将副语言线索融入其中
LAPE框架包含三项协同创新：韵律事件文本化、词汇-韵律单元化与分块、文本锚定的副语言融合
韵律事件文本化将停顿、词语拉长等韵律事件编码为显式标记，并采用带时长感知的有界重复机制表示事件强度
词汇-韵律单元化与分块方法仅对连续的词单元进行池化处理，以在文本和语音两种模态中保留事件的身份和量级
文本锚定的副语言融合整合了局部级别和话语级别的语音特征，并引入NormGate动态调节机制
研究团队在ADReSS和ADReSSo两个标准数据集上评估了LAPE
评估采用参与者级别交叉验证和留一被试法，以防止数据泄露
LAPE在全部四项主要评估设置中均取得了当前最优（SOTA）性能
研究团队表示LAPE的代码将在论文被接收后公开发布
全部知识事实 (10)
研究团队表示LAPE的代码将在论文被接收后公开发布
50%待验证LAPE的核心理念是以大语言模型提取的语言表征为锚点，再将副语言线索融入其中
50%待验证LAPE框架包含三项协同创新：韵律事件文本化、词汇-韵律单元化与分块、文本锚定的副语言融合
50%待验证韵律事件文本化将停顿、词语拉长等韵律事件编码为显式标记，并采用带时长感知的有界重复机制表示事件强度
50%待验证词汇-韵律单元化与分块方法仅对连续的词单元进行池化处理，以在文本和语音两种模态中保留事件的身份和量级
50%待验证文本锚定的副语言融合整合了局部级别和话语级别的语音特征，并引入NormGate动态调节机制
50%待验证研究团队在ADReSS和ADReSSo两个标准数据集上评估了LAPE
50%待验证评估采用参与者级别交叉验证和留一被试法，以防止数据泄露
50%待验证LAPE在全部四项主要评估设置中均取得了当前最优（SOTA）性能
50%待验证一篇发表在arXiv上的论文提出了名为LAPE（LLM-Anchored Paralinguistic Enrichment）的框架，用于阿尔茨海默病语音检测
50%