Johns Hopkins University（约翰斯·霍普金斯大学）

Universal Speech Content Factorization

通用语音内容分解

Henry Li Xinyuan, Zexin Cai, Lin Zhang, Leibny Paola García-Perera, Berrak Sisman, Sanjeev Khudanpur, Nicholas Andrews, Matthew Wiesner

机构 * Center for Language and Speech Processing, Johns Hopkins University, USA（约翰霍普金斯大学语言与语音处理中心） ； Human Language Technology Center of Excellence (COE), Johns Hopkins University, USA（约翰霍普金斯大学人类语言技术卓越中心（COE）） 纠错

AI总结 本文提出USCF方法，通过线性可逆方法提取低秩语音表示，抑制说话人音色同时保留语音内容。该方法扩展了语音内容分解，通过最小二乘优化学习通用语音到内容映射，并从少量目标语音中推导出说话人特定转换。

Comments Accepted to Interspeech 2026

Chain of Flow: ECG-Conditioned 4D Cardiac Cine Generation from Patient-Specific Anatomical Anchor

流动链：基于患者特定解剖锚点的ECG条件4D心脏电影生成

Haofan Wu, Nay Aung, Theodoros N. Arvanitis, Joao A. C. Lima, Steffen E. Petersen, Le Zhang

机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（英国伯明翰大学工程学院） ； William Harvey Research Institute, NIHR Barts Biomedical Research Centre, Queen Mary University London（伦敦Queen Mary大学威廉·哈里维研究所） ； Barts Heart Centre, St Bartholomew’s Hospital, Barts Health NHS Trust（巴特勒医院心脏中心，圣巴塞洛缪医院，巴特勒健康 NHS信托） ； Division of Cardiology, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院心脏病科） 纠错

AI总结 提出Chain of Flow (COF)框架，利用患者特定MRI和当前ECG生成4D心脏电影，在UK Biobank上实现高图像保真度和下游功能性能。

Comments 10 pages, 8 figures. Submitted to IEEE Transactions on Medical Imaging (TMI). Code will be released after review

UA-DCM: Uncertainty-aware Causal Decision Making via Effect Bound Decomposition

UA-DCM: 基于效应界分解的不确定性感知因果决策

Md Musfiqur Rahman, Ziwei Jiang, Hilaf Hasson, Murat Kocaoglu

机构 * Electrical and Computer Engineering, Purdue University（帕克大学电气与计算机工程系） ； Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Cohesity 纠错

AI总结 提出一种新框架，通过分解因果效应值的可消除与不可消除部分，区分收集更多样本能否帮助识别最优行动，并利用神经因果模型近似实现该分解。

CodecFake+: Codec-Based Resynthesized Data as a Proxy for Detecting CodecFake Speech

CodecFake+: 基于编解码器的重合成数据作为检测CodecFake语音的代理

Xuanjun Chen, Jiawei Du, Haibin Wu, Lin Zhang, I-Ming Lin, I-Hsiang Chiu, Wenze Ren, Yuan Tseng, Yu Tsao, Jyh-Shing Roger Jang, Hung-yi Lee

机构 * Graduate Institute of Communication Engineering, National Taiwan University（国家交通大学通信工程研究院） ； Department of Computer Science and Information Engineering, National Taiwan University（国家交通大学计算机科学与信息工程系） ； Center for Language and Speech Processing at Johns Hopkins University（约翰霍普金斯大学语言与语音处理中心） ； Department of Electrical Engineering, National Taiwan University（国家交通大学电子工程系） ； Research Center for Information Technology Innovation, Academia Sinica（学术院信息技术创新研究中心） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国家交通大学人工智能研究中心） 纠错

AI总结 针对新兴的CodecFake深度伪造语音检测挑战，提出大规模数据集CodecFake+，包含31种开源编解码器重合成训练数据和17种先进CoSG模型网络数据，并建立编解码器分类体系，验证了重合成语音作为训练数据的有效性。

Comments Accepted by TASLP 2026