Mar, 2022

KSoF: 卡塞尔流利度状况数据集 —— 以口吃为中心的治疗数据集

PDF
TL;DR本论文介绍了基于治疗的数据集 Kassel State of Fluency (KSoF)，其中包含了超过 5500 个人的口吃治疗过程语音记录。这些记录标注了六种与口吃相关的事件类型，可用于研究监测和干预早期复发的可能性。
发现论文，激发创造
  • 利用 wav2vec 2.0 检测口吃治疗中的语音障碍

    通过使用最新的波形神经网络技术（wav2vec 2.0）并结合多任务学习，对一个英文语料库中的口吃病识别进行了研究，并在语音识别技术和口吃治疗领域有重要应用。

    Apr, 2022

  • SEP-28k：面向带口吃者的播客口吃事件检测数据集

    本研究介绍了一个包含超过 28k 个剪辑的数据集，用于自动检测语言中的口吃事件，并通过将其用于声学模型的训练演示了数据集的有效性。

    Feb, 2021

  • 自动测量失语症患者的语言流利度：使用读语音数据的首次成就

    自动测量语言流畅度的信号处理算法对阅读病人的言语流畅度进行评估，有效且经济的工具。

    Aug, 2023

  • 基于深度学习的口吃诊断和治疗系统

    本文介绍了使用门控递归 CNN 和 SVM 实现口吃诊断代理和治疗推荐代理的系统，并探讨了其实验结果和关键发现。

    Jul, 2020

  • Stutter-TTS：受控制的口吃语音合成与改进的口吃语音识别

    Stutter-TTS is a neural model that can synthesize different types of stuttering utterances for improving automatic speech recognition on stuttered speech by introducing additional tokens to represent stuttering characteristics during training.

    Nov, 2022

  • 面向非流畅语音的包容性自动语音识别：级联大规模自监督学习与目标微调和数据增强

    自动语音识别系统通常在处理口吃相关的流畅性障碍时出现故障，而这些故障包括意愿性中断和单词重复，从而导致不准确的转录。我们提出了一种包容性的 ASR 设计方法，利用标准语音的大规模自我监督学习，然后通过对较小的策划语音数据集进行有针对性的微调和数据增强来解决此问题。我们的数据增强技术可以通过增加各种不流畅性来丰富训练数据集，增强对这些语音模式的 ASR 处理。结果表明，即使是对于一个相对较小的标记数据集，结合数据增强，通过微调 wav2vec 2.0 也可以显著降低不流畅语音的单词错误率。我们的方法不仅推动了面向口吃者的 ASR 包容性，而且为能够适应更广泛的语音变化的 ASR 铺平了道路。

    Jun, 2024

  • AS-70：一份供自动语音识别和口吃事件检测使用的普通话口吃语音数据集

    通过引入 AS-70，首个公开可用的普通话口吃语音数据集，本研究旨在改善自动语音识别（ASR）模型在口吃语音上表现的效果。该数据集包括对话和语音命令朗读内容的逐字手工转录，适用于多种与语音相关的任务。实验结果表明，通过将此数据集应用于模型微调，可以显著改善现有 ASR 模型的性能，提高了对口吃语音的包容性。

    Jun, 2024

  • 大型语言模型用于口吃语音的错断检测

    通过将自动语音识别系统生成的假设候选项和从音频编码模型提取的声学表示输入到大型语言模型（LLMs）中，我们将多标签异味检测任务作为一种语言建模问题进行了研究，并在包含英语和德语结巴语音的三个数据集上对系统进行了优化，以预测异味标签，实验结果表明我们的系统有效地结合声学和词法信息，在多标签结巴检测任务上取得了有竞争力的结果。

    Jun, 2024

  • 机器学习用于口吃识别：综述、挑战和未来方向

    本文综合检视声学特征、深度学习和统计学为基础的口吃障碍分类方法，针对口吃识别这一已有研究空白，通过跨学科研究来填补这个空缺，并提出未来可能的挑战和发展方向。

    Jul, 2021

  • 利用最先进的语音模型评估加纳口头阅读流利度

    利用大规模语音模型评估加纳学生的口语阅读流利度，在全球南方教育背景下首次研究了最新版本的大规模语音模型 (Whisper V2 wav2vec2.0) 在口语阅读流利度评估中的应用，并发现这些模型能以较高的准确度自动评估学生的口语阅读流利度。

    Oct, 2023