基于感知的L2语音可懂度指标：利用评分者跟读与序列到序列语音转换
音频与语音处理
2025-06-02 v1 声音
摘要
评估L2语音可懂度对于有效的计算机辅助语言学习（CALL）至关重要。传统的基于ASR的方法通常侧重于母语相似度，这可能无法捕捉人类听者实际感知到的可懂度。相比之下，我们的工作引入了一种新颖的、基于感知的L2语音可懂度指标，该指标在序列到序列（seq2seq）语音转换框架内利用母语评分者的跟读数据。通过结合对齐机制和声学特征重建，我们的方法模拟了母语听者的听觉感知，识别L2语音中可能引起理解困难的片段。客观和主观评估均表明，与传统的基于ASR的指标相比，我们的方法与母语者的判断更为一致，为全球多语言环境下的CALL系统提供了一个有前景的新方向。
引用
@article{arxiv.2505.24304,
title = {A Perception-Based L2 Speech Intelligibility Indicator: Leveraging a Rater's Shadowing and Sequence-to-sequence Voice Conversion},
author = {Haopeng Geng and Daisuke Saito and Nobuaki Minematsu},
journal= {arXiv preprint arXiv:2505.24304},
year = {2025}
}
备注
Accepted by Interspeech 2025