研究用ICC对比文本与语音偏好标注：跨模态一致性接近随机

Brouhim 等人在 NeurIPS 2026 接收的研究中，首次用组内相关系数（ICC）方法，在 100 个提示词上对比了人类与合成标注者对相同语义内容的文本与音频偏好评价。结果显示，单模态内达到较好一致性（音频 ICC(2,k) 约 .81，文本约 .74）约需 9 名评分者，而文本与音频之间的跨模态一致性接近随机。 研究称两种模态在偏好报告方式上差异明显：音频评分者决策阈值更窄、长度偏见更小、更倾向以用户为中心的评价标准；合成评分者可有效预测评分者间一致性。相关代码、数据和音频语料已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。