# 可学习融合

嗓音障碍的自动筛查受限于临床语音数据稀缺与类别不均。研究在Saarbrücken嗓音数据库的标准化句子录音上，用两个文本转语音模型各为每条训练录音生成一份合成样本，再比较多种模型架构与融合策略。盲听中Kartoffelbox合成样本仅52.6%被认出是合成音，XTTS为89.5%；用Kartoffelbox增广后HuBERT的敏感度达0.88、准确率0.87，四分类任务仍以喉炎最难。

嗓音障碍的自动筛查受限于临床语音数据稀缺与类别不均。研究在Saarbrücken嗓音数据库的标准化句子录音上，用两个文本转语音模型各为每条训练录音生成一份合成样本，再比较多种模型架构与融合策略。盲听中Kartoffelbox合成样本仅52.6%被认出是合成音，XTTS为89.5%；用Kartoffelbox增广后HuBERT的敏感度达0.88、准确率0.87，四分类任务仍以喉炎最难。