論文の概要: AudiPsy: Evidence-Grounded Multimodal Reasoning over Spoken Counseling Conversations for Depression Assessment

• arxiv url: http://arxiv.org/abs/2610.27567v1
• Date: Tue, 20 Oct 2026 03:31:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.616581
• Title: AudiPsy: Evidence-Grounded Multimodal Reasoning over Spoken Counseling Conversations for Depression Assessment
• Title（参考訳）: AudiPsy: 抑うつ評価のための音声会話におけるマルチモーダル推論の証拠
• Abstract要約: AudiPsyは、音声カウンセリングの会話に対する抑うつ評価のためのエビデンスベースのOmni-LLMである。 AudiPsy-Counselは,マルチモーダルな文脈拡張を伴う合成音声カウンセリング対話コーパスである。
• 参考スコア（独自算出の注目度）: 37.556358298853674
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Depression assessment from counseling speech requires integrating textual and acoustic psychological evidence across turns, yet existing end-to-end classification approaches lack explicit multimodal evidence interpretation and context-aware reasoning. We propose AudiPsy, an evidence-grounded omni-LLM for depression assessment over spoken counseling conversations. AudiPsy employs an Observation-Assessment-Summary (OAS) paradigm to integrate dialogue transcripts, textual and acoustic emotions, and textual-acoustic emotion incongruence into structured reasoning. OAS incrementally organizes multimodal observations, performs contextualized assessment, and maintains an evolving dialogue summary for subsequent turns. To support this framework, we construct AudiPsy-Counsel, a synthetic spoken counseling conversation corpus with multimodal context augmentation, and develop a unified three-stage curriculum for depression-oriented reasoning. Experiments on DAIC-WOZ demonstrate superior depression assessment performance over specialized depression detection methods and general-purpose speech/omni-LLMs, along with improved reasoning quality, while supplementary evaluation on EATD-Corpus supports AudiPsy's applicability to naturalistic conversations.
• Abstract（参考訳）: カウンセリング音声からの抑うつ評価には、ターンにまたがってテキストと音響の心理学的エビデンスを統合する必要があるが、既存のエンドツーエンドの分類アプローチでは明確なマルチモーダルなエビデンス解釈と文脈対応推論が欠如している。 我々は,音声カウンセリング会話に対する抑うつ評価のためのエビデンスベースオムニ-LLMであるAudiPsyを提案する。 AudiPsyは、対話の書き起こし、テキストと音響の感情、テキストと音響の感情の不一致を構造化推論に統合するために、オブザーバ・アセスメント・サマリー(OAS)パラダイムを使用している。 OASは、マルチモーダルな観察を段階的に整理し、文脈化された評価を行い、その後のターンに対する進化的な対話の要約を維持する。 このフレームワークをサポートするために,マルチモーダルな文脈拡張を伴う合成音声カウンセリング会話コーパスであるAudiPsy-Counselを構築し,うつ病指向推論のための統合された3段階カリキュラムを開発した。 DAIC-WOZ実験では,特定抑うつ検出法や汎用音声/オムニ-LLMよりも抑うつ評価性能が優れ,推論品質が向上し,EATD-Corpusの補足的評価がAudiPsyの自然主義的会話への適用性を支持した。

関連論文リスト

• The Silent Thought: Modeling Internal Cognition in Full-Duplex Spoken Dialogue Models via Latent Reasoning [76.96796481909581]
  内部認知処理は高品質な応答の定式化に役立っている。 本稿では,音声認識と同時に潜在的思考を行うFLAIRという新しい手法を提案する。 我々のアプローチは音声対話システムとシームレスに一致している。
  論文  参考訳（メタデータ） (2026-03-18T15:30:29Z)
• ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
  ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。 ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。 ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
  論文  参考訳（メタデータ） (2026-02-13T08:33:37Z)
• Multi-aspect Depression Severity Assessment via Inductive Dialogue System [5.156059061769101]
  インダクティブ対話システム(MaDSA)を用いたマルチアスペクトうつ病重症度評価の新しい課題を提案する。 補助的感情分類タスクによる心理的対話応答を誘導するMaDSAの基礎システムを提案する。 我々は,感情ラベルとともに,抑うつの重大度を8つの側面で注釈付けした会話データセットを合成し,人間の評価によって頑健さを証明した。
  論文  参考訳（メタデータ） (2024-10-29T08:00:08Z)
• Speech-based Clinical Depression Screening: An Empirical Study [32.84863235794086]
  本研究では,AIを用いた抑うつスクリーニングにおける音声信号の有用性について検討した。 参加者には、北京大学第6病院の外来から採用されているうつ病患者が含まれる。 音声と深部音声の特徴を各参加者の分節録音から抽出した。
  論文  参考訳（メタデータ） (2024-06-05T09:43:54Z)
• Empathy Through Multimodality in Conversational Interfaces [1.360649555639909]
  会話型健康エージェント(CHA)は、感情的なインテリジェンスを組み込むためにテキスト分析を超越するニュアンスなサポートを提供することで、医療を再定義している。 本稿では、豊かなマルチモーダル対話のためのLCMベースのCHAについて紹介する。 マルチモーダルな手がかりを解析することにより、ユーザの感情状態に順応的に解釈し、応答し、文脈的に認識され、共感的に反響する音声応答を提供する。
  論文  参考訳（メタデータ） (2024-05-08T02:48:29Z)
• Context Does Matter: Implications for Crowdsourced Evaluation Labels in Task-Oriented Dialogue Systems [57.16442740983528]
  クラウドソースラベルは、タスク指向の対話システムを評価する上で重要な役割を果たす。 従来の研究では、アノテーションプロセスで対話コンテキストの一部だけを使用することが提案されている。 本研究では,対話文脈がアノテーション品質に及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2024-04-15T17:56:39Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)

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。