利用语音学知识增强基于 CTC 的发音错误检测中的 GOP
音频与语音处理
2025-09-01 v2 人工智能
摘要
计算机辅助发音训练（CAPT）系统采用自动化的发音质量度量，例如发音优良度（GOP）指标。GOP 依赖于强制对齐，而由于声学变异性，强制对齐容易出现标注和分割错误。虽然无对齐方法解决了这些挑战，但它们计算成本高昂，且随音素序列长度和清单大小的扩展性较差。为了提高效率，我们引入了一种感知替换的无对齐 GOP，它基于音素簇和常见学习者错误来限制音素替换。我们在两个 L2 英语语音数据集上评估了我们的 GOP，其中一个包含儿童语音，即 My Pronunciation Coach (MPC)，另一个是 SpeechOcean762，包含儿童和成人语音。我们在优于基线的无对齐方法中比较了 RPS（受限音素替换）和 UPS（不受限音素替换）设置。我们讨论了我们的结果并概述了未来研究的途径。
引用
@article{arxiv.2506.02080,
title = {Enhancing GOP in CTC-Based Mispronunciation Detection with Phonological Knowledge},
author = {Aditya Kamlesh Parikh and Cristian Tejedor-Garcia and Catia Cucchiarini and Helmer Strik},
journal= {arXiv preprint arXiv:2506.02080},
year = {2025}
}
备注
Accepted to Interspeech 2025. This publication is part of the project Responsible AI for Voice Diagnostics (RAIVD) with file number NGF.1607.22.013 of the research programme NGF AiNed Fellowship Grants which is financed by the Dutch Research Council (NWO)