语音与文本信号用于学习者母语识别

论文比较音频与转写文本识别学习者母语的表现差异

资讯摘要

论文比较基于 WavLM 的音频母语识别分类器与基于转写文本的零样本 GPT-4o 分类器，使用口语学习者英语语料并按 CEFR 平衡评估集分析不同水平下的表现。作者报告：完整转写可用时音频分类器整体更优；A1 水平音频更好，A2 至 C1 文本更好；文本准确率随水平提升，音频较稳定；缩短转写显著降低文本准确率，音频对输入长度较不敏感。

要点速读

1. 论文对比 WavLM 音频分类器与零样本 GPT-4o 转写分类器，评估集按 CEFR 平衡。
2. 作者报告完整转写时音频整体更优，A1 音频更好、A2 至 C1 文本更好。
3. 缩短转写显著降低文本准确率，音频对输入长度较不敏感。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。