本研究提出了基于音素到音素转换、文本到语音转换和语音到语音转换三个方法来生成正确发音和发音错误的合成语音，将语音生成作为检测语音发音错误的一流方法，并在检测发音和词汇强调错误的任务中评估了这些技术，证明这些技术不仅提高了三个机器学习模型检测发音错误的准确性，而且还有助于建立该领域的新的技术标准。

Jul, 2022

本文提出了 SoftCorrect, 一种具有软错误检测机制的误差校正方法，该方法通过由专门设计的语言模型产生的一种概率来检测单词是否正确，然后设计了一种受限制的 CTC 损失，仅复制检测到的错误单词，以便解码器集中进行错误单词的更正

Dec, 2022

该研究使用预训练序列到序列模型 BART，并对其进行自适应训练来对自动语音识别中的发音和拼写错误进行纠正，并采用词级对齐的简单方法重新评分。实验结果表明，该策略在口音语音数据上有效地矫正了大量 ASR 错误，并在与基准系统的比较中产生了改进的 WER 结果。然而，在印地语语法错误纠正任务中，该模型捕捉更广泛上下文的能力受到限制。

Feb, 2022

该研究提出了一种新的方法来通过后期编辑来纠正语音识别错误。通过使用一个神经序列标注器来逐字学习如何纠正 ASR（自动语音识别）假设，以及一个应用标注器返回的纠正的纠错模块，该解决方案适用于任何 ASR 系统，提供对正在纠正的错误的高精确度控制，尤其在生产环境中更为关键。研究结果显示，所提出的错误纠正模型的性能与之前的方法相当，同时需要更少的训练资源，适合于工业应用，其中推理延迟和训练时间是限制其他技术应用的关键因素。

Jun, 2024

本文介绍了一种名为 EditSpeech 的语音编辑系统的设计、实现和评估，该系统允许用户对给定的语音进行单词的删除、插入和替换，同时保持原始语音质量和自然度不受影响。EditSpeech 是基于神经文本到语音（NTTS）综合框架开发的，使用了部分推理和双向融合技术，有利于有效地吸收与编辑区域相关的上下文信息。在英语和汉语的多说话人场景下，EditSpeech 系统进行了开发和评估。客观和主观评估表明，EditSpeech 在低频谱变形和优选语音质量方面优于几种基线系统。此外，网络上可以找到此文的音频样例。

Jul, 2021

该研究论文探讨了自动语音识别（ASR）系统在不同语音口音上的普适性问题，分析了当前最有前景的口音识别方法，并强调了其中的关键挑战。

Apr, 2021

提出了一种基于神经网络的模型进行 AAC 错误修正的方法，并在两个基准数据集上进行了测试，结果表明该方法显着提高了流畅性同时维持了语义信息。

Jun, 2023

本研究提出了一个新型韩语学习应用程序的设计，其中包括语音识别、语音到文本和语音到波形三个关键系统，使用 Google API 和 librosa 库将用户的语音转换成句子和 MFCC，同时，如果用户发音不准确，软件将用红色突出显示错误的部分，并利用 Siamese 网络提供一个相似性得分来给予反馈。

May, 2022

提出基于 HuBERT 的零样本自动发音评估方法，使用遮罩模块破坏语音输入获取令牌序列并使用得分模块测量错误恢复的令牌数量，在 speechocean762 上得到了可比较于监督回归基线且优于非回归基线的表现，同时分析了遮罩策略对自动发音评估性能的影响。

May, 2023

本研究旨在改进口音转换模型，通过加入声学知识，提高模型对不同口音发音的准确性，采用生成数据训练 ASR 系统，实验结果表明，合成带有口音的数据有助于提高 ASR 系统对已见口音的语音理解，但不能推广到未见口音及纯母语模型上。

Mar, 2023