Sep, 2022

使用英语、韩语和泰米尔语构建的语音数据集对失语症智力分类的多语言分析

PDF
TL;DR本文分析了来自英语、韩语和泰米尔语三种具有不同韵律系统的语言的语音障碍者讲话数据集，检查反映语音质量、发音和韵律三个讲话维度的 39 个声学测量标准，提出在了解说话的可懂水平的平均声学测量值的基础上进行多语种分析，并进行自动可懂性分类以研究最佳功能集。分析表明发音特征是语言无关的测量标准，如音素正确百分比、辅音正确百分比和元音正确百分比，而声音质量和韵律特征通常呈现不同的语言特征。实验结果进一步表明，不同的语音维度在不同的语言中发挥更大的作用：英语的韵律，韩语的发音，泰米尔语的韵律和发音。这篇论文为语音病理学做出了贡献，因为它区分了英语、韩语和泰米尔语的语音障碍者可懂性分类中语言无关和语言相关的测量标准。
发现论文，激发创造
  • 英语、韩语和泰米尔语的跨语言发音障碍严重程度分类

    提出了一种跨语言分类方法，使用语言独立特征和语言唯一特征进行重音障碍严重性分类，并使用 XGBoost 算法进行分类。

    Sep, 2022

  • 使用 Transformer 进行少样本处理的发音障碍语音可理解性水平分类

    通过使用具有有限数据的 Transformer 模型，本研究旨在准确分类失语和提供有关可理解性水平的信息，同时解决以往研究中存在的数据泄漏问题，并表明所采用的多课程模型在特定数据集上获得了 67% 的准确度。

    Sep, 2023

  • 众包式多语言语音可听性测试

    通过众包评估多语言测试材料和产生音频特性，本研究旨在快速评估其对语音可懂性的影响。

    Mar, 2024

  • 用于端到端言语处理任务的伽马通音谱表示：语音识别、说话人识别和清晰度评估

    本研究介绍了一种基于卷积神经网络的图像识别系统，将语音文件转换为图像并用于智能家居中的语音识别、发言者识别和可懂性评估任务，并提出了基于级联结构的多网络语音识别系统，达到了 92.3% 的准确率。

    Jul, 2023

  • 跨语言声学 - 语音相似度对多语种语音识别的影响研究

    本文提出了一种新的数据驱动方法来研究跨语音识别方案中的跨语言声学语音相似性，通过训练深度神经网络来将来自不同声音模型的分布转化为可直接比较的形式，并通过熵分析发现少重叠语音的语言更易于跨语言传输，在融合单语言模型方面取得了相对于单语言识别的 8％的改进。

    Jul, 2022

  • 基于数据及知识驱动的多语言训练方法，提升印度语言语音识别系统的性能

    使用数据和知识驱动的方法结合多语言语音数据来进行自动语音识别系统的多语言训练，并在低资源和中资源运用 DNN 的分层映射技术和多任务 DNN 模型，分别在印度语种中取得 9.66％ ~ 27.24％不等的相对准确率提升。

    Jan, 2022

  • 面向下一个十亿用户构建文本转语音系统

    本研究评估了科威特琴主义和印度Ａryan 语言的声学模型、语音合成器、辅助损失函数、训练计划和说话者和语言多样性。基于此，我们确定了单语模型与 FastPitch 和 HiFi-GAN V1，联合训练男性和女性说话者表现最佳。在这个设置下，我们为 13 种语言训练和评估 TTS 模型，并发现我们的模型在所有语言中都明显优于现有模型。我们通过 Bhashini 平台开源所有模型。

    Nov, 2022

  • IruMozhi：自动分类泰米尔双语现象

    释放了一个人工注释的文学和口语泰米尔语的平行文本数据集（IruMozhi），用于训练分类器以识别文本所属的语言版本，以评估口语泰米尔语的预训练数据的可用性，并促进未来对不同版本的工作。

    Nov, 2023

  • 自閉症譜系障礙韓國兒童言語語料庫：朝向自動評估系統

    本文介绍了一个专门针对韩国自闭症儿童开发的语音语料库，旨在推进发音和严重程度评估等语音技术。通过对自闭症儿童的语音和语言评估会话录音进行转录和注释，提取语音数据并分析语音和语言特征，揭示了自闭症儿童的一些与典型发育儿童或通过临床评分分类的自闭症亚组有所不同的语音和语言特征，为社交沟通严重程度和发音熟练度的自动评估系统的开发提供了潜力。

    Feb, 2024

  • 大规模多语种对抗性语音识别

    本文介绍了对多达 100 种语言进行训练的多语言端到端语音识别模型的适应性，研究表明了目标语言和预训练语言在语音学、语音学、语言家族、地理位置和正字法等方面的相对重要性，并通过上下文无关的音素目标和语言对抗性分类目标提高了语言无关的编码器表示的效果。

    Apr, 2019