通过使用 ASR 系统的不同组件评估口音并自动评估它们，我们提出了一种解决测试时开放式语音识别系统中的 OOV 问题的 GoP 计算的流水线，并且通过构建三个管道来实现去除 GoP 输出中的 UNK 和 SPN 音素，Online、Offline 和 Hybrid 管道，以扩展词库以及对每个 utterance 进行处理，最终提供 Phoneme to posterior mappings、每个 utterance 的 GoP 得分向量以及 GoP 流程中使用的 Word boundaries 等实用工具供未来研究使用。

Sep, 2022

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

使用简单的 UQ 方法，结合额外的 OOD 数据训练可以大大改善语音情感识别中因常见挑战如信号污染、语音缺失而导致的不确定性。

Jul, 2024

使用网络的解耦语音表示方法，从大量不同发言者收集到的语音数据中，实现对小量特定发言者语音智力的客观量化计算。

Apr, 2022

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。

Sep, 2022

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

本文提出了一套新的方法，即使用多任务训练，包含严重程度预测误差、说话者 - 严重程度感知辅助特征适应以及基于与严重度有关和说话者身份有关的 LHUC 转换来进行发音障碍语音识别，结果实验表明将额外的语音障碍严重度纳入最先进的混合 DNN、E2E Conformer 和预训练的 Wav2vec 2.0 ASR 系统，可以产生显著的 WER 下降，最低 WER 达到 17.82％。

May, 2023

设计了一种基于 qery-by-example 的个人化短语识别系统，针对特殊人群的语音模式进行培训，实验数据表明，该系统相对于商用语音识别系统，无论严重程度都取得了 60% 的识别改进，当训练 50 个独特短语时，一致优于 ASR 系统。

Jun, 2023

自动化失语症评估可以开发低成本而有效的工具来解决手动和主观评估的当前局限，但目前的方法是否依赖于与失语症相关的说话模式或外部因素尚不清楚。本文研究噪音对记录的失语症的影响，设计并实现了一种新的方法来可视化和比较特征提取器和模型，使用 UA-Speech 数据集，旨在提高研究社区对建立可靠的自动失语症评估系统要求的认识。

Jun, 2023

本研究介绍了 SQuId（Speech Quality Identification），这是一种多语言自然度预测模型，受过百万次评级的训练，测试了 65 个不同地方的数据，表明在多个语言环境下训练一个模型比单一语言更优，可以在不同语种中传递学习，关注调音数据以及设计决策的影响。

Oct, 2022