May, 2023

基础古兰经诵读规则的深度学习误读检测

PDF
TL;DR本文提出了一种使用 MFCC 和 LSTM 网络结合时序序列的自动 Tajweed 规则误读检测方法，用于帮助更多的穆斯林正确地诵读古兰经。在公共数据集 QDAT 上测试，LSTM 模型的准确率分别为 96％、95％和 96％，表现优于传统机器学习算法。
islamtajweed rulesautomatic mispronunciation detectionmfcclstm
发现论文，激发创造
  • 使用端到端深度学习技术进行《古兰经》诵读识别

    本文提出了一种端到端的深度学习模型，用于识别《古兰经》的朗诵。该模型使用了公共数据集进行评估，其识别性能表现为 8.34% 的单词错误率和 2.42% 的字符错误率。

    May, 2023

  • 基于集成的框架用于检测阿拉伯语音素的发音错误

    本文介绍了一种利用集成学习模型识别阿拉伯语音素发音错误并帮助学习阿拉伯语的方法，并使用 Mel 频谱图特征提取技术将投票分类器作为集成算法，取得了 95.9% 的分类准确率。

    Jan, 2023

  • 基于文本感知的端到端发音错误检测和诊断

    本文设计了门控策略以及对比学习等方法，以便更好地利用先前给定的文本信息作为指导，有效地提高了自动语音纠音技术的性能。

    Jun, 2022

  • 计算机辅助发音训练 -- 语音合成几乎是您所需的全部

    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

  • 利用自监督语音表征进行发音错误检测

    本文研究了自我监督学习（SSL）模型在第二语言学习者的发音错误检测任务中的应用，比较了使用母语英语数据训练模型的语音识别（PR）方法和直接使用非母语英语数据训练模型的目标任务方法，通过对 L2Arctic 和 EpaDB 两个非母语语音数据集上的评估发现，直接训练用于目标任务的下游模型表现最佳，而大多数上游模型在该任务中表现相似。

    Jul, 2023

  • 一种使用简单数据增强技术的全面依赖文本的端到端发音错误检测和诊断方法

    本文提出了一种新颖的文本依赖模型来利用前置文本，通过注意力机制将音频与前置文本的音素序列对齐，来实现完全的端到端结构，同时提出了三种简单的数据增强方法来缓解模型捕捉错读音素的能力问题，并在 L2-ARCTIC 数据集上表现出 56.08% 的 F-measure 指标，相较 CNN-RNN-CTC 模型有明显提升。

    Apr, 2021

  • 基于 Phonological Level wav2vec2 的发音错误检测和诊断方法

    提出了基于语音属性特征检测的低层级发音错误检测方法，通过使用单一模型联合建模非互斥的语音属性特征，该方法在英语学习者的二语语音语料库上应用，并与传统的基于音素级别的方法进行比较，从而获得了明显较低的假接受率、假拒绝率和诊断错误率。

    Nov, 2023

  • 一款新型韩语学习应用的设计，用于有效纠正发音

    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

  • DTW-SiameseNet：一种用于发音错误检测和更正的动态时间扭曲连锁网络

    本研究提出了一种针对 TTS 语音合成任务中的发音错误检测和校正的高精度、适用于 PDA 的发音学习框架，同时还提出了一种基于动态时间规整技术和度量学习的发音错误检测模型 DTW-SiameseNet。结果表明，与基于音素和音频的基线相比，我们的方法平均提高了～6％ 的发音准确率，并且此方法不受语言和隐私问题的影响。

    Mar, 2023

  • 古兰经音频数据集：非阿拉伯语者参与众包的标注朗诵

    通过众包的方式收集波斯语说唱语音数据集，并构建 AI 模型以简化非阿拉伯语学习者学习古兰经的过程。

    May, 2024