使用一种正式的教学理论，将诱导婴儿语（IDS）与从理论上生成的教学数据进行比较分析，研究了 IDS 如何教授语音类别以及 IDS 如何影响成人语音的学习和表征。

Jun, 2016

研究了婴儿语言习得的计算模型，并探讨了自然语音数据的音频质量对分析和实验的影响，发现采用适度高音质的自然语音数据和采用自动化声音质量评估工具能够获得与人工质量注释相当的结果。

May, 2023

本研究旨在提出使用语音处理技术进行自动化评估儿童口语发展的应用，并通过对自然语言样本分析，对使用智能辅助诊断提供了可行性，其实验结果表明 F1 宏分数分别为 82.6% 和 67.8%。

May, 2023

本文提出了基于对抗多任务学习的演讲者及年龄不变训练方法，利用时间延迟神经网络生成说话者及年龄不变特征与语音、年龄和演讲者三个判别式网络相连，成功降低了语音识别中的错误率。

Oct, 2022

现代人机交互（HCI）研究主要依赖于神经网络模型，而这些模型对于系统用户的机器视觉和语音理解需求。针对面向脆弱人群（如儿童）的接口开发需要大量标注的训练数据集，而 GDPR 对于数据的收集、管理和处理引入了显著的复杂性。为了满足 Edge AI 智能玩具平台的培训需求，这项研究探索了生成神经技术的最新进展，并提供了一个可控的数据生成流程的工作概念，用于面向语音驱动的面部训练数据的规模化生成。在这个背景下，我们演示了如何微调 StyleGAN2 来创建一个性别平衡的儿童面部数据集。该数据集包含多种可控因素，如面部表情、年龄变化、面部姿势，甚至包括具有逼真唇部同步的语音驱动动画。通过将生成的文本转换为语音模型用于儿童语音合成以及基于 3D 标记的说话头部流程，我们可以生成高度逼真的完全合成的儿童视频片段。这些视频片段可以提供有价值且可控的合成训练数据，以弥补由于隐私条例的限制导致真实数据稀缺或受限的差距。

Nov, 2023

儿童语音识别的表现有待提高，本研究通过对现有数据集中的儿童语音和额外的儿童说话人进行单语和跨语言转换来研究儿童间的语音转换，结果表明跨语言儿童间语音转换能显著提高儿童语音识别性能。对儿童间跨语言语音转换产生的数据量对微调自注意力模型和 Whisper 模型的影响实验结果显示，对微调自注意力模型使用两倍数据和对从头训练的模型使用六倍数据取得了最佳效果，相较于基准线而言，两者分别使词错误率 (WER) 绝对减少了约 3% 和提高了 3.6%。此外，使用少量 “高质量” 语音转换生成的数据也能取得类似最佳微调模型的效果。

Jun, 2024

最近，关于利用大型语言模型 (LLM) 自动生成儿童教育材料的概念变得越来越现实。本研究先考察了几种流行的 LLM 的能力，以生成词汇和可读性适合儿童的故事。然后，通过开发一个基于儿童故事领域的数据集，研究了最先进的词汇简化模型在儿童故事材料上的适用性，并通过适当的微调使其性能得以提升。

Oct, 2023

本文介绍了一个专门针对韩国自闭症儿童开发的语音语料库，旨在推进发音和严重程度评估等语音技术。通过对自闭症儿童的语音和语言评估会话录音进行转录和注释，提取语音数据并分析语音和语言特征，揭示了自闭症儿童的一些与典型发育儿童或通过临床评分分类的自闭症亚组有所不同的语音和语言特征，为社交沟通严重程度和发音熟练度的自动评估系统的开发提供了潜力。

Feb, 2024

在这项研究中，我们调查了将离散语音标记整合到儿童语音识别系统中的方法，以解决数据稀缺和隐私问题，并探索了单视图和多视图策略，测试了模型的泛化能力。结果表明，儿童的离散标记语音识别系统几乎可以达到与传统方法相当的性能，并且参数减少了约 83%。

Jun, 2024

本研究提出了一种半自动化的方法，用于创建一个按照 32 个类别（2 种性别、4 个年龄范围和 4 个录制时期）平衡了发言人年龄、性别和录制时期的历时语料库。该方法通过自动处理管道，包括语音检测、背景音乐和重叠语音去除以及说话者分离，大大减少了人工处理，显示出了创建大型目标说话者语料库的潜力。

Apr, 2024