研究：24 个语音识别模型互相「听」世界的方式各不相同

一项分析 24 个语音识别模型内部表征的研究发现，AI 的“听觉”不仅与人类不同，不同模型之间也差异巨大。音素信息在 Conformer 架构中平均约在编码器 21% 深度处最易读出，而在 Transformer 中要到 49% 深度。不同架构编码语音信息的层级位置差异明显。