論文の概要: Lie to me: Detecting Managerial Evasiveness in Earnings Calls via Conversational Audio Encoders

• arxiv url: http://arxiv.org/abs/2609.13893v1
• Date: Sat, 12 Sep 2026 11:42:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.603173
• Title: Lie to me: Detecting Managerial Evasiveness in Earnings Calls via Conversational Audio Encoders
• Title（参考訳）: Lie to me: Conversational Audio Encoders を用いたEarnings Callsにおける管理的普及度の検出
• Abstract要約: 本稿では,外部SECイベントの予測器として,管理回避性を検出するための2分岐フレームワークを提案する。 対話型音声力学は,語彙内容と呼長長を超えた管理回避性を符号化している。
• 参考スコア（独自算出の注目度）: 9.284552035393796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Earnings conference calls are a primary channel through which managers disclose information under analyst scrutiny. Prior work has linked vocal and lexical cues to future adverse outcomes, but often pools features over an entire call and underuses the interactive structure of Q&A. We propose a two-branch late-fusion framework for detecting managerial evasiveness as a predictor of extrinsic SEC events (primarily late filings): (i) an LLM-as-a-judge that maps Q&A text to an interpretable call-level vector X_text via a structured binary rubric, and (ii) a frozen conversational encoder whose temporal hidden states are read by a DeepVoice-style sequential reader to produce an audio representation h. Late fusion of (X_text, h) yields a call-level risk score p. On n=1,039 calls (212 late filings) with firm-grouped 5-fold CV, fusion reaches AUROC approx. 0.89, versus 0.55 for the text judge and 0.71 for duration alone. These results show that conversational audio dynamics encode managerial evasiveness beyond lexical content and call length, yielding a stronger early-warning signal of adverse SEC outcomes.
• Abstract（参考訳）: Earningsカンファレンスのコールは、アナリストの精査の下でマネージャが情報を開示する主要なチャンネルである。 以前の研究は、音声と語彙の手がかりを将来の有害な結果と結びつけてきたが、多くの場合、通話全体を通して特徴をプールし、Q&Aのインタラクティブな構造を過小評価している。 証券取引委員会(SEC)の外部イベントの予測因子として,管理回避性を検出するための2段階の遅延融合フレームワークを提案する。 i)構造化されたバイナリルーブリックを介してQ&Aテキストを解釈可能な呼び出しレベルベクトルX_textにマッピングするLLM-as-a-judgeと、(ii)DeepVoiceスタイルのシーケンシャルリーダによって時間的隠蔽状態を読み取って音声表現hを生成する冷凍会話エンコーダと。 late fusion (複数形 late fusions) h) コールレベルリスクスコアpを出力する。 n=1,039コール(212の遅延処理)と5倍の5倍CVでは、融合はAUROC近似に達する。 0.89、テキスト・ジャッジは0.55、持続時間は0.71である。 これらの結果から,会話音声力学は語彙内容や通話長を超えた管理回避性を符号化し,SECの有害な結果の早期警戒信号がより強くなることが示された。

関連論文リスト

• Zero-Shot Temporal Localisation of Audio Deepfakes in Multi-Speaker Conversations [4.152774504513197]
  トレーニングフリーの5段階パイプラインは凍結されたバイナリ検出器をラップし、再トレーニングなしでセグメントレベルの出力を追加する。 ASVspoof 5からの180の複数話者会話では、強いバックボーンを持つ時間交叉対結合0.90、時間検出率0.95、MS-DCF0.26が達成された。 実際の発話における偽アラームレートは6%未満であり、真のマルチ話者対話(AMI)では2%以下である。 同一のパイプラインの下では、訓練されたローカライザが時間IoUを約0.04改善し、監督を継続するコストを抑える。
  論文  参考訳（メタデータ） (2026-09-09T11:27:26Z)
• VoiceLongMemEval: Do Assistants Remember How You Sounded? [2.3577368017815696]
  現在のベンチマークでは、この対話履歴を、長い地平線上の情報検索、時間的推論、知識更新として評価している。 我々はVoiceLongMemEvalベンチマークを示し、すべての回答は会話のターンに付随するパラ言語的メタデータに依存する。
  論文  参考訳（メタデータ） (2026-09-01T02:06:10Z)
• Decoding silent reading from non-invasive EEG [0.0]
  ドライエレクトロド脳波の393ランにわたる濃密にサンプリングされた1人の参加者から記録された24万ワードのオープンボキャブラリ解析を行った。 復号化は偶然よりも確実に行われ、中頻度で稀な単語に拡張され、飽和の兆候のないトレーニングデータボリュームで対数的にスケールされた。 これらの結果から,オープン語彙の単語レベル情報はサイレントリーディング中に脳波から復元可能であり,復号化は飽和ではなくデータ制限であることがわかった。
  論文  参考訳（メタデータ） (2026-08-20T15:41:05Z)
• Causal Tracing of Audio-Text Fusion in Large Audio Language Models [48.849764961130795]
  我々は、音声理解におけるLALMの内部情報の流れを調べるために因果追跡を適用した。 DeSTA,Qwen,Voxtralを横断的に層状およびトークン的に解析することにより,個々の隠れ状態の因果効果を評価する。
  論文  参考訳（メタデータ） (2026-03-14T05:40:59Z)
• Detect Any Sound: Open-Vocabulary Sound Event Detection with Multi-Modal Queries [18.147981850263708]
  マルチモーダルクエリによってガイドされるオープン語彙SEDのための問合せベースのフレームワークを提案する。 DASMはSEDをフレームレベルの検索タスクとして定式化し、音声機能はテキストやオーディオプロンプトからのクエリベクトルと一致している。 DASMは、局所化精度と新しいクラスへの一般化のバランスを効果的に保ち、オープン語彙設定においてCLAPベースの手法より優れている。
  論文  参考訳（メタデータ） (2025-07-22T08:24:01Z)
• VALL-E R: Robust and Efficient Zero-Shot Text-to-Speech Synthesis via Monotonic Alignment [101.2489492032816]
  VALL-E Rは、堅牢で効率的なゼロショットテキスト音声合成システムである。 この研究は、失語症に罹患した人々のためのスピーチの作成を含む有意義なプロジェクトに適用される可能性がある。
  論文  参考訳（メタデータ） (2024-06-12T04:09:44Z)
• A Non-autoregressive Generation Framework for End-to-End Simultaneous Speech-to-Speech Translation [48.84039953531355]
  同時音声翻訳のための新しい非自己回帰生成フレームワーク(NAST-S2X)を提案する。 NAST-S2Xは、音声テキストと音声音声タスクを統合エンドツーエンドフレームワークに統合する。 3秒未満の遅延で高品質な同時解釈を実現し、オフライン生成において28倍のデコードスピードアップを提供する。
  論文  参考訳（メタデータ） (2024-06-11T04:25:48Z)
• REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR [54.64158282822995]
  教師なしASRにおける反復訓練を用いたREBORN, Reinforcement-Learned boundaryを提案する。 ReBORNは、音声信号におけるセグメント構造の境界を予測するセグメンテーションモデルのトレーニングと、セグメンテーションモデルによってセグメント化された音声特徴である音素予測モデルのトレーニングを交互に行い、音素転写を予測する。 我々は、広範囲にわたる実験を行い、同じ条件下で、REBORNは、LibriSpeech、TIMIT、および5つの非英語言語において、以前の教師なしASRモデルよりも優れていることを発見した。
  論文  参考訳（メタデータ） (2024-02-06T13:26:19Z)
• Introducing Semantics into Speech Encoders [91.37001512418111]
  本研究では,大言語モデルからの意味情報をラベル付き音声書き起こしのない自己教師付き音声エンコーダに組み込む教師なしの手法を提案する。 提案手法は,100時間以上のラベル付き音声書き起こしにおける教師あり手法と類似した性能を実現する。
  論文  参考訳（メタデータ） (2022-11-15T18:44:28Z)
• Real-time Caller Intent Detection In Human-Human Customer Support Spoken Conversations [10.312382727352823]
  ヒューマン・ヒューマン・カスタマーサポート音声対話におけるエージェント支援には、発信者の意図に基づくトリガーが必要である(通話の理由) 目的は、エージェントがそれを検出できた時、システムが呼び出し者の意図を検出することである(Intent Boundary)。 音声アシスタントの最近の研究は、単語単位の段階的なリアルタイム予測を使用して、コマンドの終了前に意図を検出する。
  論文  参考訳（メタデータ） (2022-08-14T07:50:23Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。