arXiv eess.SP（Signal Processing）·· 15 天前AI 评分22
SEER：面向人工耳蜗语音的检索式源条件情感增强框架
SEER: Source-Conditioned Emotion Enhancement via Retrieval for Cochlear-Implant Speech
AI 导读
SEER 是一种基于检索的框架，通过学习哪种同情感参考能让每个源在人工耳蜗处理后仍可识别，无需平行正常/强录音或强度标签。在 RAVDESS 上 N8 的 Source macro-F1 提升 7.30 分，在 ESD 上提升 11.66 分，ESD 在 N4/N8/N16 均有显著增益，16 名听者的 RAVDESS 增益在所有条件下均显著。
AI 要点
团队
第一作者 Hsing-Hang Chou，末位作者 Chi-Chun Lee，共 4 位作者。
主要结果
N8 下 Source macro-F1 在 RAVDESS 提升 7.30 点、ESD 提升 11.66 点；ESD 在 N4/N8/N16 增益显著；16 名听者的 RAVDESS 增益在所有条件下显著。
解决什么问题
人工耳蜗恢复语音可及性但削弱识别嗓音情绪所需的线索，此前增强方法需平行正常/强录音与强度标签。
方法
SEER 为基于检索的框架，用源条件检索器从采样的情绪语音转换结果学习 CI 感知效用，不确定性引导探索避免穷举配对；无需平行录音与强度标签。
局限
从研究设计看，为投稿 ICASSP 2027 的 5 页论文，未提及临床或真实 CI 使用者验证。
AI 依据原文整理，未经人工核对。
来源：arXiv eess.SP（Signal Processing） · arxiv.org