May, 2023

口吃往往不是孤立的事件 —— 将口吃检测作为多标签问题的跨语料库研究

PDF
TL;DR本文探讨了用基于注意力机制分类器和多任务学习的改进 wav2vec 2.0 系统，将口吃的检测方法作为多标签问题进行的多语言和跨语料库端到端口吃检测。通过使用包含英语和德语口吃语音的三个数据集的组合以及包含流利塑形的语音的一个数据集来评估方法。实验结果和误差分析表明，跨语料库和多语言数据训练的多标签口吃检测系统取得了有竞争力的结果，但是对多标签样本的性能低于总体检测结果。
stutteringmulti-label problemwav2vec 2.0multi-languagecross-corpus
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

  • 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

  • 使用深度残差网络和双向长短时记忆检测多种语音不流畅

    本文提出了一种基于声学特征而不是语言模型的口吃检测和分类的模型，采用了深度残差网络和双向长短时记忆层，以识别几种形式的口吃，平均漏诊率仅为 10.03％，比现有技术先进了近 27%。

    Oct, 2019

  • 优化多重口吃语音分类：利用 Whisper 的编码器实现自动评估中高效参数减少

    通过使用先进的语音识别模型 Whisper 以及 6 层编码器的不同层冻结策略，本研究提出了一种计算高效的模型配置来更有效地对多发性口吃语音进行自动分类，取得了显著的性能，同时发现最后一个编码器层在辨别口吃性不流畅语音方面的贡献，使模型适用于多种方言和语言。

    Jun, 2024

  • 多任务自监督学习用于消除语注检测

    本文针对训练数据短缺的问题，提出了使用自监督方法结合无标注数据构建伪训练数据进行预训练，并利用有标注的训练数据进行微调的方法，达到了使用少量数据在英语 Switchboard 数据集上与之前使用全数据进行训练的系统表现相当的结果。使用全数据进行训练时，我们的方法可将误差降低 21%。

    Aug, 2019

  • 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

  • 使用分割双语语音语料库优化语音分割的端到端语音翻译

    本研究提出了一种基于二分类模型的语音分割方法，并结合检测静音的 VAD 方法，该方法更适用于级联和端到端语音翻译系统，翻译性能也得到了进一步提升。

    Mar, 2022

  • 八种语言多语言文档分类语料库

    本篇研究提出了一种新的 Reuters 子语料库，其针对 8 种语言具有平衡的类先验分布，旨在通过使用多语言词向量和句子嵌入来提供跨语言文档分类的基线，并促进该重要领域的研究。

    May, 2018

  • 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