L1-Aware 多语种发音错误检测框架
本论文提出了一种新的端到端自动语音识别方法,使用扩展后的原始 L2 语音集和其对应的反语音集,以更好地识别分类和非分类发音错误,并通过转移学习范式来获得 E2E-based MDD 系统的初始模型估计,在 L2-ARCTIC 数据集上进行了广泛的实验,结果表明我们的最佳系统在 F1 分数方面胜过现有的 E2E 基线系统和基于发音评分 (GOP) 的方法,分别提高了 11.05% 和 27.71%。
May, 2020
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
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
本研究介绍了一种基于华文的 MDD(Mispronunciation Detection and Diagnosis)系统,采用无状态的 RNN-T 模型,利用带音高嵌入的 HuBERT 特征通过音高融合块进行训练,该模型仅使用母语人士的数据,在非母语场景中,其在电话错误率上表现出 3%的改进和假接受率上的 7%增加,优于现有技术基准。
Jun, 2024
该研究提出了一种新的语言感知编码器(LAE)架构,通过解开语言特定信息和在编码期间生成帧级语言感知表示来处理多语言语音识别,并且在华语 - 英语混合语音上表现出卓越的性能。
Jun, 2022
本研究提出两种模型策略以加强 E2E MD 模型的区分能力 —— 输入增强和标签增强,经实验证明较传统的 DNN-HMM 声学模型效果更佳,可以用于 L2 学习者语音纠错。
Oct, 2021
本文介绍了使用 Wav2vec 2.0 模型进行自监督学习,在当前领先的发音错误检测和诊断 (MDD) 系统中使用自动伪标签方法,可以用于增强 L2 语音,提高模型的鲁棒性和准确性。
Mar, 2022
本研究采用 E2E 模型中的混合 CTC-Attention 方法,并针对中文发音检测任务进行了输入扩充,使结果更加适合该任务。实验结果表明,与传统的混合 DNN-HMM 系统相比,该方法能够大大简化处理流程并显著提高性能。
May, 2020
该论文提出了一种新的多模态多任务编码 - 解码器预训练框架 (MMSpeech), 用于汉语自动语音识别 (ASR), 该框架同时使用了未标注语音和文本数据,其中引入了音素模态来帮助捕捉汉语音频和文本之间的模态不变信息。通过在 AISHELL-1 数据集上的实验,该方法实现了最先进的性能,较其他预训练方法相对提高了超过 40%。
Nov, 2022