感知上更好，语义上更差：测量语音增强对基于 LLM 的语音系统的影响

语音增强 (SE) 通常用作语音 AI 管道中的预处理步骤，假设更好的音频质量可以提高下游任务性能。 SE 引起的扭曲是否会传播到下游 LLM 任务性能仍然是一个悬而未决的问题。我们引入了输出发散率 (ODR)，它测量 SE 相对于干净语音更改 LLM 意图分类的频率，并使用 Whisper large-v3 和 wav2vec2-large 级联对 2,974 个 SLURP 剪辑的五个条件进行基准测试。每个条件都会产生显着高于零的 ODR（$p < 0.001$，二项式检验）。尽管改进了 PESQ，但与未增强的噪声语音相比，MetricGAN{+} 的 ODR 增加了一倍以上（0.318 与 0.135），并且通过说话人替换，未缓解的回声达到了 0.836 的 ODR，这是 WER 无法捕获的故障。音频质量指标与 ODR 的相关性从接近零到中度不等（SQUIM-MOS $ρ=-0.068$，PESQ $ρ=-0.467$）。 MetricGAN{+} 和回声结果在 ASR 架构中复制，表明标准音频质量指标不足以满足 LLM 管道质量的要求。