Writing and Narrative Logic for Speech Papers

語音論文的寫作與敘事邏輯

論文被拒，原因往往不在程式，而在論證斷了：讀完 introduction，看不出動機與做法之間為什麼非如此不可；或翻遍實驗表格，找不到支撐核心主張的那個數字。這份手冊談的是論證的骨架。各節要放什麼、篇幅與格式，以〈報告範本〉的導引框與〈期中報告〉頁為準；〈期末論文〉頁還是舊版，與範本不一致的地方以範本為準。

一、論文是一條因果論證

一篇語音論文的骨架通常是這四環：

1. 觀察到的現象：在什麼條件下、出了什麼問題，你怎麼知道。
2. 既有做法為什麼在這裡失敗：是哪一個環節、哪一個假設不成立。
3. 你的做法針對那個原因：不是泛泛的「更好的模型」。
4. 只有你的解釋成立時才會出現的實驗結果。

最常被省略的是第四環。實驗要設計成「如果你的解釋是錯的，結果就會不一樣」；只證明「有變好」，說服不了審稿人。

1. 先選一條故事線

故事線跟著貢獻類型走（方法、資源、分析，見〈期中報告〉頁）。一篇論文只有一條主線，可以有從屬的貢獻，但動筆前先決定主線是哪一條。

方法型常見三種：

• 機制錯配：通用的序列或影像模組忽略了語音的某個特性 P（相位連續、諧波結構、聲調、聲門激勵），造成系統性的錯誤 E；你的機制處理 P，所以 E 減少。關鍵證據：P 明顯的條件下改善最多，P 不明顯時不改善。
• 取捨邊界：領域公認的取捨，例如串流辨識的延遲與錯誤率、codec 的 bitrate 與重建品質、回音消除的抑制量與雙講時近端語音的保留；你移動了整條 Pareto 邊界，而不只是換一個工作點。關鍵證據：整條曲線，不是單一點。
• 分佈偏移：基礎模型在標準資料上表現好，在特定偏移下（強噪音、口音、本土語言、病理語音）退化；你指出退化發生在哪裡、為什麼，再用輕量的介入修補。關鍵證據：退化與修補都定位在你說的地方。

資源型是缺口故事：一個重要的問題做不了，因為缺某種資料；有了你的資料就做得了。關鍵證據：現有系統在你的資料上以某種特定方式失敗，而這種失敗在既有資料上看不出來。

分析型是謎題故事：一個現象被誤解或沒被解釋（兩篇論文說法矛盾、指標與耳朵不一致）；你用有控制組的測量指出原因。關鍵證據：幾種競爭的解釋預測不同的結果，而你的資料分得開它們。

2. 論證斷掉的常見樣子

• 拿著鐵鎚找釘子：把 NLP 或電腦視覺剛紅的架構搬到語音任務，卻說不出語音的哪個性質需要它。
• 主張漂移：introduction 說要解決延遲，method 大篇幅講怎麼提高正確率，實驗表格只有 WER，沒有延遲、RTF 或 lookahead。
• 結論比證據大：只測了一種條件卻說 robust、generalizes；沒有統計檢定卻說 significantly；沒有自己搜尋過文獻卻說 first 或 novel。
• 兩條主線並行：一半提方法、一半發資料集，兩邊都不夠深，審稿人也不知道該用哪一把尺評你。

二、各節要扛起什麼

1. 標題、摘要與 Figure 1

這三者要能單獨成立，構成一篇縮小版的論文。第一頁沒說服人，後面很難扳回來。

• 標題說出條件與主張，而不是領域名稱。「基於深度學習之語音增強研究」什麼都沒說；說清楚在什麼條件下、做了什麼。分析型的論文，標題可以就是那個問題。
• 摘要照範本的導引框寫。期中的五步是：問題、為什麼重要、貢獻、證據計畫、現況。期末範本的五句是：現況與瓶頸、為什麼加資料或加大模型解決不了、方法、證據（數字取自你自己的結果表）、其他（效率、釋出的 checkpoint、分析發現或你找到的限制）。最多 1000 字元、只用 ASCII、不能有引用。每一句都要有正文的某一節撐腰。
• Figure 1 呈現想法，不只是方塊圖：例如同一個輸入下，baseline 的失敗與你的系統的輸出並排；或資料流程圖中標出新的元件。只讀標題、摘要與 Figure 1 的審稿人，應該已經知道這篇論文主張什麼。圖說要讓人不讀正文也看得懂。

2. Introduction：漏斗

每一段把戰場收窄一步。期中範本是五步：任務與現行做法 → 在什麼條件下失敗、你怎麼知道 → 誰受影響 → 你的提案與它為什麼應該有效 → 研究問題與預期貢獻。期末範本是四段加一張清單：任務與現行範式 → 失敗的條件與證據 → 洞見與做法 → 你發現了什麼（帶著條件）→ 貢獻清單，每一條指向支撐它的節、表或圖。

一個示意，以問題卡 B5 為例（卡點是待驗證的假設，不是已知結論）：

[任務與現行做法]  語音對話系統用 VAD 判斷使用者是否插話，偵測到就停止播放（半雙工）
[失敗的條件]      開喇叭時，系統自己的聲音被麥克風收回
[你怎麼知道]      量有無回音消除時的 VAD 誤觸發率（待量）
[誰受影響]        不戴耳機使用語音助理的人
[提案]            （你的方法、資源或分析）
[研究問題]        殘留回音是否足以觸發 VAD？在哪些裝置與房間條件下？

貢獻寫成學術增量，不是工作清單：

• 不好：「我們在 LibriSpeech 上評估模型。」「我們蒐集了一些客語語音。」
• 好（方法）：「我們檢驗 [機制] 能否在 [條件] 下減少 [某類錯誤]，以及這個改善在參數量相當的對照組下是否仍然存在。」
• 好（資源）：「我們釋出 [n] 小時、附 [標註] 的 [語言] [語音類型]，並指出以既有資料訓練的系統在其上以 [特定方式] 失敗。」
• 好（分析）：「我們以 [有控制的測量] 證明 [現象] 由 [因素] 而非 [混淆因素] 造成。」

期中寫的是預期的貢獻：要檢驗的主張，不是已經有的結果。

3. 方法、資料或測量設計

• 方法型：先寫訊號模型，再寫網路。例如乾淨語音 x[n] 經房間脈衝響應 h[n] 再加上噪音 v[n]，觀測到的是 y[n] = (x \ast h)[n] + v[n]；定義取樣率、STFT 的窗長與 hop，由此得到 frame rate。行文中的表徵附上形狀與 frame rate（例如 \mathbf{H} \in \mathbb{R}^{T' \times D}，T' 是降採樣後的 frame 數），讓審稿人檢查時間解析度。宣稱串流，就說明每個模組都是因果的（不看未來的 frame、不做整句的正規化），並寫出演算法延遲（chunk 大小、lookahead）。
• 資源型：來源、同意書與授權、標註規範、品質控制、切分，各占一段，不要擠在一句話裡。
• 分析型：測量工具、它的效度、控制條件、每個假設預測的結果。

期末範本目前是方法型的骨架；資源型與分析型的期末寫法，之後會補上。

4. 實驗：一條證據鏈

實驗	目的	審稿人會攻擊的地方
主要結果	證明主張在你宣稱的條件下成立	避開近期的強系統；比較對象的訓練資料量或參數量沒有控制；只報平均、不分容易與困難的條件
消融	證明每個元件的貢獻，並排除「只是模型變大」的解釋	一次拿掉好幾個元件；沒有參數量相當的對照組
質性與錯誤分析	揭示數字背後的機制	頻譜圖看不出差異、沒有箭頭或框標出位置；只挑三個好例子而不是分類計數；把 attention map 當成對齊的證據
效率	證明能落地	宣稱串流卻沒寫演算法延遲與 lookahead；宣稱即時卻沒寫 RTF、batch size 與量測的硬體

關於 SOTA：ACL Rolling Review 的審稿準則（NLP 社群的準則，INTERSPEECH 沒有對應的明文）寫明，SOTA 對科學貢獻既不是必要條件，也不是充分條件；論文沒有宣稱 SOTA，就不需要達到 SOTA。重點是你宣稱的東西有沒有被證明。

結果段落不要逐格朗讀表格（「方法 A 的 WER 是 5.2%，方法 B 是 4.8%」），讀者自己看得到。要說的是型態與原因：改善出現在哪個條件、沒出現在哪個條件、是否大於種子之間的變異、是否符合你提出的機制。

5. Limitations

具體、簡短，不是道歉。「方法可能無法推廣」不是限制；「只測了成人的朗讀語音，所以結論不涵蓋自然對話與兒童」才是。在 INTERSPEECH 的版面裡，Limitations 要放在前 8 頁之內。

三、寫作時怎麼用 AI

AI 在寫作裡的角色是結構審計與英文編修，不是代筆。本課的界線是：AI 可以潤飾你寫的句子，但不從你的要點生成段落；ISCA 的政策也是，生成式 AI 可以用來編修文字，但不能用來產生論文的相當一部分。整段交給 AI 寫，常得到空泛、套版的文字，審稿人讀得出來。課程報告用的 Prism（OpenAI 的 LaTeX 寫作環境）內建 AI，那也是生成式 AI，規則相同。

適合交給 AI 的事（例句可以直接改用）：

• 段落之間的因果審計：「請列出這篇 Introduction 每一段的第一句與最後一句，用表格說明段落 N 到段落 N+1 的邏輯跳躍是什麼、哪裡因果斷了、哪一段的結尾沒有自然帶出下一段。」
• 符號與術語的一致性：「掃描全文的數學式，列出代表音訊特徵、隱藏表徵與 loss 的符號；標出同一個量用了不同符號，或同一個符號有兩種定義的地方。」
• 篇幅壓縮：「這是 Method 與 Experiments 兩節，超過頁數上限約 15 行。在保留所有術語、公式與數字的前提下精簡，直接給 LaTeX 的替換前後對照。」壓縮完逐句核對：限定條件（「在 X 條件下」）一旦被刪，主張就悄悄變大了。
• 對抗式審稿：「請扮演專精 [子領域] 的挑剔 INTERSPEECH 審稿人。不要稱讚任何優點，直接列出最可能導致拒稿的三個問題，並說明每個問題需要什麼證據才能回答。」先別替它指定要找哪些問題，它找到你沒想到的，才有用。

不可以交給 AI 的事：

• 產生參考文獻或 BibTeX：每一筆都從官方來源匯出（ISCA Archive、IEEE Xplore、ACL Anthology、PMLR、OpenReview、DBLP、DOI 頁面；只有 arXiv 版的論文用 arxiv.org/abs/<id>），都要有 doi 或 url，並用 \src{} 標出主張在原文的位置。查證可以借助另一個 AI：用不同於找到那篇論文的 AI，依 PDF 與官方紀錄交叉比對；兩者不一致的地方，自己讀原文。
• 數字：不產生、不補齊、不解讀。每個數字都來自你自己的程式。
• 聲音的描述：AI 聽不到金屬聲、相位撕裂或被截斷的音素。質性分析的文字，來自你自己聽過失敗的例子之後寫下的觀察；AI 只能幫忙潤飾英文。
• 宣稱「沒有人做過」：只有你自己的搜尋紀錄能支持這種話。
• 藏給 AI 讀者看的文字或指令：檔案裡不能有。

這些限制針對寫作過程中的 AI 助手。模型若本身是研究的一部分（被研究的系統、ASR 偽轉寫或合成語音這類資料產生器、自動 MOS 預測器這類評審），寫在正文的方法與實驗裡，並驗證它。每次使用 AI 助手都記錄下來，最後寫進 Generative AI Use Disclosure。

四、交出去之前

課程交件

• 期限前在 main.tex 設 \showguidesfalse 並編譯，PDF 裡沒有紅色標記（期中 §5 預定結果表的 \pending 除外）；期中 PoC 表裡沒有跑的列已刪掉。
• 期末論文（一律是 long paper）：正文、圖表、Limitations、Ethical considerations 與任何附錄都在前 8 頁；第 9–10 頁只有致謝、生成式 AI 使用聲明與參考文獻（依 INTERSPEECH 2026 的 paper kit）。期中報告篇幅不限。
• 摘要不超過 1000 字元、只用 ASCII、沒有引用。
• 每個歸給論文的主張都有 \src{}，每一筆 BibTeX 都從官方來源匯出、有 doi 或 url；有同儕審查版本的，不引 arXiv 版。
• Limitations 一節寫了；需要時，Ethical considerations 也寫了。
• PDF 裡有中文、台語或客語的話，用 XeLaTeX 編譯、每段都包在 \zh{...} 裡，編譯紀錄裡沒有 Missing character（範本 README）。
• Generative AI Use Disclosure 寫好了。
• Prism 專案已改名為 [Speech-AI] <題目>（報告的英文標題），並以可編輯權限分享給授課老師。分享就是交件，不用另交 PDF；期限以老師的公告為準。期中的期限當下，老師把 midterm/main.tex 編譯成 PDF 打分數，所以要編譯得過。

內容

• 表格自明：只看 Table 1 的標題與欄位說明，就能理解每個指標與方法縮寫；說明箭頭方向、種子數、± 代表什麼、粗體代表什麼。
• 串流與即時：宣稱串流，寫明每個模組都因果、演算法延遲與 lookahead；宣稱即時，寫明 RTF、batch size 與硬體。
• 主觀評測：寫明評分者人數與語言背景、指導語、量表與參照音檔，並附信賴區間。MOS 不能跨論文比較。
• 示範音檔：生成、增強、分離類的論文，提供代表性的範例與失敗例子。指標有爭議時，讓審稿人自己聽。
• 需要證據的字眼：significantly 要有檢定；novel、first 要有自己的搜尋紀錄；state of the art 要在同樣條件下對上目前最好的系統；robust、generalizes 只限於測過的條件。

真正投稿時（課程報告不用做）

• 版面改成匿名審稿版（\documentclass{Interspeech}），刪掉 \AtBeginDocument{\linenumbers}，把 \showsourcestrue 改成 \showsourcesfalse，拿掉致謝（範本 README 有步驟）。
• 移除實驗室名稱、計畫編號、個人 GitHub 等可識別的資訊，PDF 的 metadata 也要清掉；示範頁與補充材料也要匿名。
• 引用自己以前的論文時用第三人稱（「Lee et al. [23] showed …」，不寫「In our previous work [23] …」）。
• 頁數以當年的 call for papers 為準（2027 年的規定可能與 2026 kit 不同）。

版本

• 2026-10-16：對齊 INTERSPEECH long paper 的報告範本與〈期中報告〉頁；故事線加上資源型與分析型；拿掉 4 頁正文的寫法、沒有來源的數字，以及對工具功能的描述；交件檢查分成課程交件與真正投稿兩組；交件是分享 Prism 專案，期中篇幅不限。
• 2026-10-16 晚：與〈期中報告〉頁一起和 NLP-LLM 對齊：AI 的界線改為「潤飾句子、不生成段落」，並寫明模型本身是研究一部分時的例外；BibTeX 要有 doi 或 url；交件清單加上 PoC 表、Limitations 與 Ethical considerations、\zh／XeLaTeX 三項。