研究分析24个语音识别模型内部表征

2026年10月26日，AGI Hunt 报道了一项分析 24 个语音识别模型内部表征的研究。该研究发现，AI 的“听觉”不仅与人类不同，不同模型之间也差异巨大：语音信息在各模型内部的编码方式并不一致。就音素信息的可读性而言，研究显示在 Conformer 架构中，音素信息平均约在编码器 21% 深度处最易读出；而在 Transformer 架构中，音素信息要到编码器 49% 深度处才最易读出。报道据此指出，不同架构编码语音信息的层级位置差异明显。目前该研究仅在报道层面披露了上述结论，尚无更多后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。