多模态大语言模型并非儿童语音语言病治疗所需全部
计算与语言
2026-04-30 v1
摘要
语音声素障碍（SSD）影响约五 percent 的儿童，但语音语言治疗师面临严重的人员短缺和不可管理的 caseload 问题。我们在粒粒多任务 SLPHelmUltraSuitePlus 数据集上测试了层次化的SSD分类方法。我们提出一种级联方法，从二分类到类型分类，再到症状分类。通过对语音表示模型（SRM）进行微调，并采用针对性数据增强来缓解前述工作中发现的偏差，显著提升基准中的所有临床任务。我们还针对自动语音识别（ASR）采用数据增强方法。我们的结果表明，SRM在评估的所有任务上均以大幅度优势超越基于大语言模型的前沿方法。我们发布模型和代码以促进未来研究。
引用
@article{arxiv.2604.26568,
title = {Multimodal LLMs are not all you need for Pediatric Speech Language Pathology},
author = {Darren Fürst and Sebastian Steindl and Ulrich Schäfer},
journal= {arXiv preprint arXiv:2604.26568},
year = {2026}
}