MVP：多源语音病理检测
音频与语音处理
2025-05-27 v1 计算与语言
摘要
语音障碍严重影响患者的生活质量，但由于病理语音数据的稀缺性以及录音来源的多样性，非侵入性自动诊断仍未得到充分探索。本工作引入了 MVP（多源语音病理检测），这是一种利用直接在原始语音信号上运行的 Transformer 的新颖方法。我们探索了三种融合策略来结合句子朗读和持续元音录音：波形拼接、中间特征融合和决策层组合。在德语、葡萄牙语和意大利语上的实证验证表明，使用 Transformer 的中间特征融合能够最好地捕捉两种录音类型的互补特征。我们的方法比单源方法实现了高达 +13% 的 AUC 提升。
引用
@article{arxiv.2505.20050,
title = {MVP: Multi-source Voice Pathology detection},
author = {Alkis Koudounas and Moreno La Quatra and Gabriele Ciravegna and Marco Fantini and Erika Crosetti and Giovanni Succo and Tania Cerquitelli and Sabato Marco Siniscalchi and Elena Baralis},
journal= {arXiv preprint arXiv:2505.20050},
year = {2025}
}
备注
Accepted at Interspeech 2025