该研究提出了一种新的方法，通过在两个信息层面上对输入进行扰动，生成易于理解的解释，以揭示语音分类模型中每个与单词相关的音频片段对结果的影响。该方法在英语和意大利语的两个语音分类任务上验证，发现解释准确可信，为未来关于解释语音模型的研究铺平了道路。