使用深度残差网络与双向长短期记忆检测多种言语不流畅
音频与语音处理
2019-10-29 v1 机器学习
声音
机器学习
摘要
口吃是一种每日影响数千万人的言语障碍。尽管其十分常见，关于口吃语音识别与分类的数据和研究却极少。本文着手解决不同口吃形式的检测与分类问题。与多数利用语言模型识别口吃的现有工作不同，我们的工作提出了一种仅依赖声学特征的模型，从而无需语音识别即可识别若干种口吃不流畅变体。我们的模型使用深度残差网络与双向长短期记忆层对不同类型口吃进行分类，取得了 10.03% 的平均漏检率，以近 27% 的优势超越当前最优水平。
引用
@article{arxiv.1910.12590,
title = {Detecting Multiple Speech Disfluencies using a Deep Residual Network with Bidirectional Long Short-Term Memory},
author = {Tedd Kourkounakis and Amirhossein Hajavi and Ali Etemad},
journal= {arXiv preprint arXiv:1910.12590},
year = {2019}
}