论文

ParaGeo:冻结语音语言模型的副语言几何与干预

ParaGeo: Decomposing Paralinguistic Variation into a Shared Latent Geometry

模型评测模型行为与机制分析

摘要

语音表达同时随副语言属性要求和语言内容变化。我们提出ParaGeo,在冻结语音语言模型中以匹配内容分解副语言变化。合成音频token以固定听取提示回放,池化的键值(K/V)表示经中心化后投影到共享低维空间。GLM-4-Voice探测覆盖八个句子、12个基准家族的80种控制要求。使用全局拟合校准基,内容留出质心准确率为9.49%,排列基线1.25%;同标签跨内容余弦相似度0.285,对照0.017,两项条件排列检验p均为0.001。另一个十情境、六风格探测发现跨情境可复现对比方向。静态、加性和时序干预产生依属性、层与调度变化的响应剖面。这为衡量副语言结构提供共享坐标,并成为潜空间语音控制的实证起点。代码:https://github.com/yuhanlydia/ParaGeo.