ConPCO：利用对比序数正则化保留音素特征的自动发音评估
音频与语音处理
2024-06-11 v2 声音
摘要
自动发音评估（APA）旨在评估第二语言（L2）学习者在目标语言中的发音熟练度。现有工作通常利用回归模型进行熟练度分数预测，这些模型在训练时估计目标值，而没有在特征空间中显式考虑音素感知。在本文中，我们提出了一种对比音素序数正则化器（ConPCO），专门用于基于回归的APA模型，以生成更具音素判别性的特征，同时考虑回归目标之间的序数关系。所提出的ConPCO首先通过对比学习将APA模型的音素表示与语音转录的文本嵌入对齐。然后，通过调节特征空间中音素类别内部和类别之间的距离，同时允许输出目标之间的序数关系，来保留音素特征。我们进一步设计并开发了一个分层APA模型来评估我们方法的有效性。在speechocean762基准数据集上进行的大量实验表明，我们的方法相对于一些最先进的基线具有可行性和有效性。
引用
@article{arxiv.2406.02859,
title = {ConPCO: Preserving Phoneme Characteristics for Automatic Pronunciation Assessment Leveraging Contrastive Ordinal Regularization},
author = {Bi-Cheng Yan and Wei-Cheng Chao and Jiun-Ting Li and Yi-Cheng Wang and Hsin-Wei Wang and Meng-Shin Lin and Berlin Chen},
journal= {arXiv preprint arXiv:2406.02859},
year = {2024}
}
备注
This paper has been withdrawn because the authors aim to achieve better organization in writing and more detailed experimental analysis