arXiv · cs.AI· Mengke Zhang, Yanda Shao, Tianhe Wu, Kai Feng·· 6 小时前
ACR-Net通过对比式声学—语义解耦缓解语义主导
ACR-Net: Mitigating Semantic Dominance via Contrastive Acoustic-Semantic Decoupling
arXiv:2610.20114v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mengke Zhang, Yanda Shao, Tianhe Wu, Kai Feng
期刊信息（来源提供）：Proc. Interspeech 2026, pp. 1207-1211 (2026)
研究任务与主要进展
研究作者提出ASPIRE基准和ACR-Net，用于缓解语音情感识别模型在音性与文本语义冲突时的语义主导问题。ASPIRE包含四类对抗音频—文本样本，并配套语义过度自信惩罚（SOP）和潜在解耦程度（LDD）指标；ACR-Net结合跨模态注意力与对比解耦损失，将矛盾表示分离到正交潜在空间。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org