Oct, 2023

自动发音评估的新型损失函数：保留音素区分的序数回归

PDF
TL;DR我们提出了一种训练基于回归的自动发音评估模型的方法，通过引入音素 - 对比次序（PCO）损失函数，从而更好地保留了音素类别之间的区分度和回归目标输出的顺序关系，并在一些现有的最先进模型上进行了可行性和有效性的实验证明。
automatic pronunciation assessmentneural modelsregression loss functionphoneme distinctionsstate-of-the-art models
发现论文，激发创造
  • 零样本自动发音评估

    提出基于 HuBERT 的零样本自动发音评估方法，使用遮罩模块破坏语音输入获取令牌序列并使用得分模块测量错误恢复的令牌数量，在 speechocean762 上得到了可比较于监督回归基线且优于非回归基线的表现，同时分析了遮罩策略对自动发音评估性能的影响。

    May, 2023

  • PAAPLoss：一种用于语音增强的音韵对齐声学参数损失

    通过基于声学 - 语言学领域的前沿知识，使用神经网络估计器以及音素特定权重等手段，将语音增强模型优化为更接近于真实干净语音的声学参数值，实验结果证明此方法在时间域和时频域均可提升语音增强模型的评估指标，并提供了不同音素间声学参数改善情况的分析。

    Feb, 2023

  • 小数据中音素预测编码模型的学习分析

    本研究基于两个不同语言的数据集，研究了两种预测编码模型（APC 和 CPC）的行为，发现 CPC 模型在短时间内已经取得了更好的表现，其预测损失优化后的表现也符合语音识别领域中音素特征学习的最优化要求。

    Jul, 2020

  • 多维度发音评估的均衡得分损失

    本文提出了一种新型的失误函数 —— 得分平衡损失函数，侧重于解决自动发音评估中存在的数据分布不均问题，通过引入重新加权方法，使模型收到最小类的预测分数较高的成本支出，从而提升模型在少量分数预测问题上的性能。在 speechocean762 数据集上验证了本方法的有效性。

    May, 2023

  • 学习排序遇见语言：提升基于语言的序列分类的排序对齐

    本文提出了一种基于自然语言处理的序列分类方法，包括相应的损失函数，并通过实验证明在面部年龄估计、历史彩色图像分类和审美评估等任务中表现良好

    Jun, 2023

  • 使用 MASK 预训练的端到端单词级发音评估

    本文提出了一种名为 MPA 的简单而有效的方法，通过采用掩码预测策略，支持端到端的训练过程，可在不使用任何对齐组件的情况下进行发音评估并在很大程度上解决误对齐问题。

    Jun, 2023

  • 利用优势引导的策略对齐对语言模型进行微调

    本研究提出了一种新算法 APA，利用估计的优势建立基于平方误差损失函数的算法进行优化，证明在使用单独的奖励模型作为评估器时，APA 明显优于 PPO，并且在控制模型初始策略与改进性能之间提供更稳定的形式控制，避免了模式崩溃、不稳定性和样本效率低等问题。

    Jun, 2023

  • 概率顺序分类器的性能度量

    本文提出了使用排序概率得分（RPS）作为医学图像分级任务的性能度量指标，并展示了该得分的反直觉和可疑行为，并提出了简单的修复方法。通过对四个大规模生物医学图像分级问题进行全面实验，证明了 RPS 是适合概率排序预测的性能度量指标。

    Sep, 2023

  • 神经网络的等级一致序列回归及其在年龄估计中的应用

    利用深度学习中基于序列回归的神经网络模型进行年龄预测的研究中，提出了一种新的一致性排序逻辑（CORAL）框架，用于提高预测准确率。

    Jan, 2019

  • 无监督分割和分类音素和单词的对比预测策略

    本文研究了基于对比预测编码 (CPC) 的自监督学习 (SSL) 方法在音素分类和音素、单词分割方面的性能。结果表明，现有算法在分类和分割性能上存在平衡。为了弥合这种差距，我们借鉴了在分割方面较好的方法，并将多级建模方法整合到 CPC 的改进版本 Aligned CPC (ACPC) 中，提高了在所有分类指标上的性能，并在单词分割方面取得了最先进的性能。

    Oct, 2021