面向低资源语言的儿童语音流利度自动评估
声音
2025-10-24 v1 人工智能
音频与语音处理
摘要
在教育领域，针对主流语言的儿童口语流利度评估已有充分研究，但对于低资源语言而言，这仍然是一项极具挑战性的任务。本文提出了一种自动评估流利度的系统，该系统结合了微调的多语言 ASR 模型、客观指标提取阶段以及生成式预训练 Transformer (GPT) 网络。客观指标包括音素和词错误率、语速以及语音停顿时长比。这些指标由基于 GPT 的分类器在一小部分人工评估的真实示例的引导下进行解释，从而对流利度进行评分。我们在一个包含 Tamil 语和 Malay 语两种低资源语言的儿童语音数据集上评估了所提出的系统，并将其分类性能与 Random Forest 和 XGBoost 进行了比较，同时还与使用 ChatGPT-4o 直接从语音输入预测流利度的方法进行了比较。结果表明，所提出的方法比多模态 GPT 或其他方法获得了显著更高的准确率。
引用
@article{arxiv.2505.19671,
title = {Automated evaluation of children's speech fluency for low-resource languages},
author = {Bowen Zhang and Nur Afiqah Abdul Latiff and Justin Kan and Rong Tong and Donny Soh and Xiaoxiao Miao and Ian McLoughlin},
journal= {arXiv preprint arXiv:2505.19671},
year = {2025}
}
备注
5 pages, 2 figures, conference