在线自动语音识别系统比较及对非可懂语音的非言语响应
声音
2019-04-30 v1 音频与语音处理
摘要
近年来自动语音识别（ASR）系统大量涌现，以至于 YouTube 等免费平台现在也提供语音识别服务。鉴于 ASR 系统的广泛选择，我们通过比较两组人工转录和五组自动转录（Google Cloud、IBM Watson、Microsoft Azure、Trint 和 YouTube）的相对性能，来帮助研究者选择准确的转录服务，从而为自动语音识别领域做出贡献。此外，我们识别了与高词错率所指示的非可懂语音相关的非言语行为。我们表明人工转录仍优于当前的自动转录。在自动转录服务中，YouTube 提供最准确的转录服务。对于非言语行为参与，我们提供的证据表明，当说话人清晰（不可懂）时，听者微笑强度的变异性高（低）。这些发现源自医学生与模拟病人之间的视频会议互动；因此，我们既对 ASR 文献也对医疗沟通技能教学社群作出了贡献。
引用
@article{arxiv.1904.12403,
title = {A Comparison of Online Automatic Speech Recognition Systems and the Nonverbal Responses to Unintelligible Speech},
author = {Joshua Y. Kim and Chunfeng Liu and Rafael A. Calvo and Kathryn McCabe and Silas C. R. Taylor and Björn W. Schuller and Kaihang Wu},
journal= {arXiv preprint arXiv:1904.12403},
year = {2019}
}
备注
10 pages, 2 figures