PLoS Computational Biology· 2026Q1
Konuşmanın yorumlanabilir gömülmeleri, ses modellerinin beyin kodlama performansını açıklar ve geliştirir
Interpretable embeddings of speech explain and enhance the brain encoding performance of audio models
- 3atıf
- Q1SCImago
- 2026yıl
Kısa özet
Konuşma temel modellerinin (KT'ler) beyin tepkileriyle uyumu, büyük ölçüde yorumlanabilir konuşma özelliklerini kodlama yetenekleriyle açıklanabilir; katmanlar arasında düşük seviyeli ve yüksek seviyeli özellik kodlaması arasında bir denge söz konusudur.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- KT'lerin beyin tepkileriyle uyumu, büyük ölçüde yorumlanabilir konuşma özelliklerini kodlama yetenekleriyle açıklanmaktadır.
- KT'ler, model katmanları arasında düşük seviyeli ve yüksek seviyeli beyinle ilgili özellikleri kodlama arasında bir denge sergilemektedir.
- KT'ler, model boyutu ve bağlam uzunluğu ile artan beyinle ilgili anlamları öğrenir.
- KT gömülmelerini yorumlanabilir özelliklerle zenginleştirmek, kodlama modellerinin yorumlanabilirliğini ve doğruluğunu artırabilir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Speech foundation models (SFMs) are increasingly hailed as powerful computational models of human speech perception. However, since their representations are inherently black-box, it remains unclear what drives their alignment with brain responses. To remedy this, we built linear encoding models from six interpretable feature families: mel-spectrogram, Gabor filter bank features, speech presence, phonetic, syntactic, and semantic features, and contextualized embeddings from three state-of-the-art SFMs (Whisper, HuBERT, WavLM), quantifying electrocorticography (ECoG) response variance shared between feature classes. Variance-partitioning analyses revealed several key insights: First, the SFMs' alignment with the brain can be mostly accounted for by their ability to learn and encode simple interpretable speech features. Second, SFMs exhibit a systematic trade-off between encoding of brain-relevant low-level and high-level features across layers. Finally, our results show that SFMs learn brain-relevant semantics which cannot be accounted for by lower-level speech features, with this capacity increasing with model size and context length. Together, our findings suggest a principled approach to build more interpretable, accurate, and efficient encoding models of the brain by augmenting SFM embeddings with interpretable features.
Yazarların özeti; kaynağından alınmıştır. PLoS Computational Biology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science