关键词automatic pronunciation assessment
搜索结果 - 4
- 自动发音评估的新型损失函数:保留音素区分的序数回归
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。
- 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 - 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 - 多方面关注的层次发音评估
本研究提出了一种基于多方面注意力和分层表示的自动发音评估模型( HiPAMA ),可在不同层次(如音素、单词和句子)上评估发音的多个方面( 如准确性、流利度和完整性),从而实现更全面的反馈评估