MMJul, 2019

UltraSuite：儿童语音治疗会话中的超声和声学数据库

PDF
TL;DR介绍了 UltraSuite，它是一个儿童言语疗法会话录音的超声波和声学数据的精选存储库，包括来自典型发育儿童和患有言语音韵障碍的两组数据集，以及一些手动和自动生产的注释和软件工具，以处理、转换和可视化这些数据。
发现论文，激发创造
  • 声道动力学超声图像序列的小型词汇数据库

    本文介绍了一个包含同时记录声音与口腔运动数据的新数据库。通过超声视频记录的口腔运动数据可以对语音产生过程中的舌头上轮廓进行可视化。声学数据由定向心形麦克风采集的 30 个短句组成。此数据库包括来自哥伦比亚圣塔德尔地区的 17 名年轻志愿者（8 男性和 9 女性），他们声称没有任何语音病理。

    Aug, 2023

  • 儿童语音的原始超声图像自动分级分类

    自动检测语音障碍的提升方法：利用超声舌头成像技术结合深度学习模型，在语音障碍的分类中取得了显著的改善结果，并有助于提高语音治疗诊所中的超声舌头成像分类的效率。

    Feb, 2024

  • 儿童语音中原始超声波音素段的说话人无关分类

    本文研究使用超声舌头成像技术对语音产生的过程进行可视化，并通过多种训练方案探讨了从原始超声记录中对语音的分类方法，研究表明，提供最少的额外讲话者信息可以有助于模型更好地推广到未知的讲话者中。

    Jul, 2019

  • 超声舌像的自动视听同步

    本文介绍了一种基于神经网络的自动同步超声波和语音数据方法，首先研究了专家对同步误差的容忍度，然后训练网络以实现数据同步。在多个领域的数据集上进行训练，该方法在同一领域内的数据上的精度大于 92.4％，并在新领域的数据上进行了测试，结果表明该方法的输出优于硬件同步数据 79.3％的时间。

    May, 2021

  • EARS: 一个用于语音增强和去混响的各向同性全频通话语音数据集的基准测试

    发布了 EARS（Expressive Anechoic Recordings of Speech）数据集，包含来自不同背景的 107 位说话者，总计 100 小时的干净、无混响的语音数据。数据集涵盖了多种不同的讲话风格，包括情感性语音、不同的阅读风格、非语言声音和自由对话式语音。通过一组仪器度量评估了数据集上的各种语音增强和去混响方法，并对语音增强任务进行了 20 个参与者的听力测试，优选了一种生成方法。此外，我们还引入了一个盲测试集，用于自动在线评估上传数据。数据集下载链接和自动评估服务器可以在网上找到。

    Jun, 2024

  • PriMock57: 一份基层医疗模拟会诊数据集

    本研究详细阐述了开发出的 57 个模拟初级保健咨询数据集，包括音频记录、手动语音层次转录和相关的咨询备注，旨在成为医疗对话 ASR 基准以及转录生成咨询注意事项的数据集。

    Apr, 2022

  • My Science Tutor (MyST) - 儿童会话语言的大型语料库

    MyST 语料库是一个大型的儿童会话语料库，拥有约 10.5K 个虚拟辅导会话的约 230K 个话语，来自约 1.3K 个三年级、四年级和五年级学生，其目的是通过改进语音识别算法和开发对话型人工智能代理来促进儿童对科学的兴趣、学习和远程教育的发展。

    Sep, 2023

  • TaL：一份同步的多说话人的舌头超声成像、音频和嘴唇视频语料库

    本文介绍了 Tongue and Lips 语料库（TaL）的数据来源和处理方式，并在多个任务上对该语料库进行了基准测试，结果表明 TaL 可以用于语音识别和语音合成等任务。

    Nov, 2020

  • 增强小鼠新生儿超声声发射分析：不同数学模型的开发、评估和应用

    研究通过不同类型的神经网络对超声波声音进行分类，构建了可全自动分析大型数据集并具有高可靠性的流水线，并在鼠类的自闭症样行为研究中发现了关键差异。

    May, 2024

  • 婴儿和成人语音声学的低维表示

    该研究利用机器学习方法，提取婴儿和照顾者的声音，通过 UMAP 算法在二维空间中获得连续和良好分布的空间，研究发现随着婴儿年龄的增加，婴儿声音在二维空间中的分散度会增加以及婴儿声音与成人声音的相似度也会随婴儿年龄的变化而变化。

    Apr, 2022