論文の概要: Whose Voice Survives the Summary? A Voice-Retention Audit of LLM Employee Listening

• arxiv url: http://arxiv.org/abs/2609.38818v1
• Date: Wed, 30 Sep 2026 02:45:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.052997
• Title: Whose Voice Survives the Summary? A Voice-Retention Audit of LLM Employee Listening
• Title（参考訳）: 音声のサバイバル : LLM職員の音声保持調査
• Abstract要約: 要約における表現バイアスに対する音声保持/表現比の指標を提案する。 グローバルなプロフェッショナルサービス企業からの2,586のフリーテキスト応答をバイリンガル(英語/ドイツ語)コーパスに適用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Organizations increasingly route employee feedback to leaders through large language model (LLM) summaries, an unaudited layer that silences already-spoken voice. We introduce a Voice Retention / Representation Ratio metric for representational bias in summarization and apply it to a bilingual (English/German) corpus of 2,586 free-text responses from a global professional service company. First, employees supply criticism more reliably than praise (withholding praise is 82 times more common). Second, across 45 leader-summaries the pipeline filters by popularity, not sentiment: criticism survives, yet a concern voiced once is dropped 86% of the time, with short and German-only content lost on the same axis (theme retention 0.14 vs 0.74; German directional). Controlling for frequency, sentiment has no independent effect; the harm is prevalence-driven, which sentiment-only audits miss. A targeted prompt recovers only named themes. We contribute the metric, field evidence, and a disaggregated voice-retention card.
• Abstract（参考訳）: 組織は、従業員からのフィードバックを、大企業の言語モデル(LLM)サマリーを通じてリーダーにルーティングする傾向にある。 本稿では,要約における表現バイアスのための音声保持/表現比率尺度を導入し,グローバルなプロフェッショナルサービス企業による2,586自由文応答のバイリンガルコーパスに適用する。 第一に、従業員は賞賛よりも確実に批判を提供する(賞賛は82倍)。 第2に、45のリーダー・サマリーにおいて、パイプラインは人気によってフィルタされるが、感情は残る:批判は残るが、一度声をあげると、その86%が減少し、短所と短所のみのコンテンツが同じ軸で失われる(この保持は0.14対0.74、ドイツの方向)。 頻度、感情の制御には独立した効果はなく、害は頻度駆動であり、感情のみの監査が見逃す。 ターゲットのプロンプトは、名前付きテーマのみを復元する。 メトリクス、フィールドエビデンス、デアグリゲーションされた音声保持カードにコントリビュートする。

関連論文リスト

• VoiceNet: Fine-Grained Voice Understanding Beyond Emotion at Scale [29.84704827157091]
  本稿では,人間の声質評価基準であるVoiceNetを紹介する。 Emilia corpus の感情アノテート版である Emolia もリリースされ,高密度な MOSS-Audio Thinking アノテーションによって強化された再バランスサブセットが提供される。
  論文  参考訳（メタデータ） (2026-09-25T21:28:16Z)
• VocalAffectBench: Evaluating Vocal Emotion Recognition in AI Audio Models [3.031452739909654]
  我々は、AIオーディオモデルが生音声から表現された音声感情を識別できるかどうかを評価するテスト専用ベンチマークであるVocalAffectBenchを紹介する。 このベンチマークには、51人の話者による273本の英語のWAVクリップが含まれており、7つのラベルで合計1.95時間である。 すべてのベースラインは、書き起こしやコンテキストメタデータなしで、オーディオのみから評価される。
  論文  参考訳（メタデータ） (2026-08-28T23:03:43Z)
• A Shaky Voice Is Not Always a Dodge: Benchmarking Textual and Vocal Evasion Detection in Earnings Calls [2.407927905799568]
  DualEvasionは、収支報告のQ&Aにおいて、テキストとオーディオ間での回避検出のベンチマークである。 我々の実験は、最先端のマルチモーダルモデルが声質の信頼度を検出するのに苦労していることを示している。 話者レベルの参照を提供することで、控えめな改善がもたらされるが、人間のパフォーマンスとはかなりのギャップが残っている。
  論文  参考訳（メタデータ） (2026-08-28T07:58:36Z)
• PHONOS: PHOnetic Neutralization for Online Streaming Applications [4.7828228833826145]
  本稿では,リアルタイム話者匿名化のためのストリーミングモジュールPHONOSを提案する。 PHONOSは非ネイティブアクセントをネイティブライクに中和する。 評価の結果,非母性アクセントの信頼度は81%低下した。
  論文  参考訳（メタデータ） (2026-03-27T21:24:18Z)
• Speech-Hands: A Self-Reflection Voice Agentic Approach to Speech Recognition and Audio Reasoning with Omni Perception [142.4692205981783]
  我々は,外部の音声知覚をいつ信頼するか,いつ外部の音声知覚を相談するかを知るという,一貫したスキルを学習する音声認識フレームワークを導入する。 音声認識と外部の音声理解タスクの両方でオムニモデルを鼻で微調整することは、しばしば性能を低下させる。 これを解決するために、我々のフレームワークであるSpeech-Handsは、問題を明示的な自己回帰決定として再考する。この学習可能なプリミティブは、モデルが欠陥のある外部候補によって脱線されるのを防ぐのに有効である。
  論文  参考訳（メタデータ） (2026-01-14T12:06:50Z)
• Synthetic Voices, Real Threats: Evaluating Large Text-to-Speech Models in Generating Harmful Audio [63.18443674004945]
  この研究は、TSシステムを利用して有害なコンテンツを含む音声を生成する、コンテンツ中心の脅威を探究する。 HARMGENは、これらの課題に対処する2つのファミリーにまとめられた5つの攻撃群である。
  論文  参考訳（メタデータ） (2025-11-14T03:00:04Z)
• Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
  本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。 音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。 この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
  論文  参考訳（メタデータ） (2024-06-12T16:30:58Z)
• UniSpeech: Unified Speech Representation Learning with Labeled and Unlabeled Data [54.733889961024445]
  ラベル付きデータとラベル付きデータの両方を用いて音声表現を学習するためのUniSpeechという統合事前学習手法を提案する。 公立CommonVoiceコーパス上での言語間表現学習におけるUniSpeechの有効性を評価する。
  論文  参考訳（メタデータ） (2021-01-19T12:53:43Z)
• Defending Your Voice: Adversarial Attack on Voice Conversion [70.19396655909455]
  音声変換に対する対人攻撃を最初に行う試みについて報告する。 音声を守らなければならない話者の発話に、人間の騒音が知覚できないことを紹介する。 その結果, 変換された発話の話者特性は, 防御された話者と明らかに異なることがわかった。
  論文  参考訳（メタデータ） (2020-05-18T14:51:54Z)

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。