近来 taffy 视频评论区经常能见到 “突然能听懂 taffy 说话” “老了,夹不住了” 等观点,因此圣塔菲研究所对该问题,也就是 “taffy 声音是否随时间演化” 进行分析。所使用的研究方法仍然基于声音特征矢量(声纹),以及主成分分析 (Principle Component Analysis, PCA) ,在对 taffy 从 2021-07 到 2026-07 ,即 5 年内的录播音频进行抽样分析后发现:
以2024年为节点,在此之前,taffy 声音与现在表现出明显差异,而且并不稳定,表现为在 Echo/薯条/Monaka 特征之间反复横跳;而在此之后,taffy 声音与现在基本一致,不再有明显变化,已稳定
从 PCA 得到的不同时期 taffy 声音特征的二维分布来看,分为两个集合:靠上方的集合与前世 Echo/薯条 较为靠近,靠下方的集合与现在的 taffy 较为接近。这再次印证了1.中的结论。
省流结论:
如果你对 taffy 的 “夹” 的认识来自于 21 - 23 年,甚至是更早的 Echo/薯条 时期,那么这个问题的答案是肯定的,taffy 现在的声音相对于早期确实有较为明显的变化,可以认为“夹“不住了;
但如果你对 taffy 的 “夹” 的认识来自于 24 年后,那么这个问题的答案是否定的,因为 24 年后 taffy 声音特征逐渐固定,不再有明显变化,直到现在。
综上所述,“现在能听懂 taffy 说话” 小部分是由于 taffy 声音特征的改变,但更多的是由于 24 年后长期稳定的“塔语”听力训练带来的“塔语”水平提升。
需说明,该研究结果依赖于所使用的声纹神经网络模型以及参与分析的音频数据,也就是说,若使用不同情境下的(如玩游戏,杂谈,小菲等)录播音频,或对某一季度选择另一天的录播音频,都有可能得到不同的声音特征,进而得到不同的结论。时间与能力有限,无法对 taffy 5 年来直播庞大的音频数据所带来的系统误差进行分析 (如时间刻度选季度与月度,甚至'周'为单位的差别;某一时间区间内选择不同录播音频的差别;某一录播音频内选择不同位置的音频的差别等等),若有对该问题感兴趣的雏草姬,可参考:
https://github.com/Guanlin-Liu/SpeakerVerification_4Taffy