本研究提出了一种基于WavLM特征的分类器，能够从语音中预测说话者的年龄、性别、母语、教育和国家等人口特征。该方法实现了年龄预测的平均绝对误差为4.94，性别分类准确率超过99.81%，显著提高了预测精度。

本研究解决了语音基础的帕金森病检测模型可解释性不足的问题，评估了多种可解释性方法以识别特有的语音特征，支持临床决策。尽管结果一致，但专家提供的信息仍显不足。

本文介绍了为韩国自闭症儿童开发的语音语料库，旨在推动语音技术在发音和严重程度评估方面的应用。通过分析自闭症儿童的语音特征，揭示了其与典型儿童的差异，为自动评估系统的开发提供了潜力。