Dec, 2023

利用经验模态分解和 Walsh-Hadamard 变换增强发音障碍语音特征表征

PDF
TL;DR本文提出了一个用于改善发音障碍语音的特征增强算法，名为 WHFEMD。该算法结合了经验模态分解（EMD）和快速 Walsh-Hadamard 变换（FWHT），用于提取和增强特征，以及表示声带和声道的局部病理特征。在实验中，我们将该算法应用于两个公共病理语音数据库，并取得了显著的分类性能提升和识别准确率的增加。
dysarthria speechwhfemdempirical mode decompositionfast walsh-hadamard transformpathological features
发现论文，激发创造
  • 混乱语音评估和识别的光谱 - 时间深度特征

    本文研究基于 SVD 分解的深度学习算法，用于自动识别语音障碍人士的语音，并且使用该算法提高了基于语音识别的自适应技术在该领域中的性能。

    Jan, 2022

  • 鲁棒的声音质量特征嵌入用于失音声音检测

    本研究提出了一种深度学习框架来生成对声音质量敏感且在不同语料库中具有鲁棒性的声学特征嵌入，同时将对比性损失与分类损失相结合进行训练，并使用数据膨胀方法提高模型的鲁棒性，实证结果表明，该方法不仅在语料库内和语料库间的分类准确度上表现出色，而且生成的嵌入对声音质量敏感且跨不同语料库具有鲁棒性。同时，与三种基准方法比较的结果表明，所提出的模型在干净以及损坏的语料库内和语料库间表现出一致的优异性能。

    Nov, 2022

  • 使用光谱时域深度特征进行言语适应，在语音识别中应用于发音困难和老年人

    该研究提出了一种基于频谱分解的深度特征提取方法，用于通过个性化的演讲者自适应技术提高自动语音识别系统对肌肉发音障碍者和老年人的识别准确率。通过在四项任务中的实验表明，在应用该技术后，识别准确率有了显著的提高。

    Feb, 2022

  • 运用机器学习算法检测口语中的情感表达

    该研究使用 MATLAB 函数与机器学习模型分析人类语音中的声音特征，如谐波、周期性、频谱形状等，实现人类情感的识别。通过使用多个数据集进行训练，并对比测试，发现该模型优于现有类似作品。

    Apr, 2023

  • 基于 CWT 的语音合成中的 Mel 频谱增强范式

    基于连续小波变换的 Mel 频谱增强范式可提高合成语音的质量，与基线模型相比，该增强范式在自回归和非自回归语音系统中实验结果表明合成语音的 MOS 得分提高了 0.14 和 0.09，为增强范式广泛适用性提供了验证。

    Jun, 2024

  • 基于 Wav2vec 的言语智能识别与严重程度分类 —— 以口吃为例

    通过使用预训练的 wav2vec 2.0 模型作为特征提取器，本研究对发音困难症的声学语音信号进行了自动检测和严重程度分类，结果表明使用 wav2vec 模型的第一层嵌入特征在准确度上相较于基线特征（声谱图）提升了 1.23%，在严重程度分类任务中最终层的嵌入特征相较于基线特征（梅尔频率倒谱系数）提升了 10.62%。

    Sep, 2023

  • 一种改进的变分模态分解算法对语音情感识别性能的影响

    提出了一种名为 VGG-optiVMD 的方法，通过对情感识别中的语音信号进行分解和特征提取，结合信号采样率和分解参数的精细调整，实现了在 Berlin EMO-DB 数据库上预测七种情绪的最新技术，达到了 96.09% 的准确率。

    Dec, 2023

  • 面向语音识别的即时基于特征的发音障碍和老年人说话适应

    该研究提出了两种新型的基于特征的即时演讲者适应方法，即基于演讲者水平的方差规范化谱基础嵌入 (SBEVR) 特征和基于即时学习的隐藏单元贡献 (LHUC) 转换。实验结果显示，这两种方法在适应演讲者语音时表现出色，其中基于 SBEVR 特征的适应方式的性能优于基于模型的 LHUC 适应。

    Mar, 2022

  • 面向发音障碍和老年人的个性化对抗性数据增强语音识别

    本文提出使用基于 GAN 的数据增强方法，通过分析非标准语音（如老年人和 dysarthric 患者的语音）的光谱和时间差异可模拟增强数据，提高了 UASpeech、TORGO、Pitt 和 JCCOCC MoCA 等数据集上 TDNN 和 Conformer ASR 系统的训练精度，相对于基于速度的数据增强方法，可使 TORGO 和 DementiaBank 数据集的 WER 分别提高 9.61％和 6.4％。

    May, 2022

  • 使用对抗和基于信号增强技术的阿拉伯语运动失调言语识别

    本文旨在通过多阶段增强方法来改进阿拉伯语言障碍患者的自动语音识别性能，具体包括使用基于信号的方法生成阿拉伯语言障碍患者的语音，并通过对英语语言障碍患者语音数据进行训练以进行多语言扩充，以及在不同的语音障碍程度下进行微调和文本纠正策略。通过这些方法，本文在阿拉伯语言障碍患者的语音数据集上实现了 18% 的词错误率和 17.2% 的字符错误率，相比只针对健康数据训练的基础模型，实现了 81.8% 的 WER 提升，并在真实的英文语言障碍患者语音数据集上实现了 124% 的 WER 提升。

    Jun, 2023