SpeechDx：臨床語音 AI 的多任務基準測試

研究團隊推出 SpeechDx，這是一個涵蓋 12 個數據集與 27 項任務的大規模臨床語音 AI 基準測試平台，旨在解決神經、運動、呼吸和聲帶等多種健康狀況下的語音分析問題。現有臨床語音 AI 方法多透過孤立的情境特定研究推進，導致結果難以比較且難以評估泛化能力。

SpeechDx 根據語音生成過程中受干擾的階段來組織任務，將任務分為概念化、表述和發音三個階段，以便在共享的臨床機制上進行評估。該基準透過納入標籤數據有限的任務，並在同一健康狀況下評估多個數據集，來測試泛化能力，從而區分具有臨床意義的模式與數據集偽影。

研究系統性地評估了 12 個最先進的音頻編碼器在所有任務上的表現，以及零樣本跨條件轉移的效果。結果顯示，大規模語音模型代表整體最強的基準，而領域特定模型僅在與任務高度匹配的情況下提升效能，目前沒有任何表示法能在臨床語音領域中可靠地泛化。SpeechDx 確立了一個共享的評估框架，用於追蹤朝向通用臨床語音表示的進展。