PathBench：用于自动病理语音评估的语音可理解性基准
声音
2026-03-10 v1
摘要
自动语音可理解性评估对于监测语音障碍和治疗效果至为重要，但现有方法难以进行比较：研究在带有不一致协议的私有数据集中碎片化。我们提出PathBench，一个用于病理语音评估的统一基准，基于公开数据集构建。我们在三种协议（匹配内容、延伸协议和完整协议）下比较参考无关、参考文本和参考音频方法，这些协议分别代表语言学家（受控刺激）与机器学习专家（最大化数据）面对同一数据的不同方法。我们在六个数据集上建立基准测试，实现对未来方法学进展的系统评估，并引入Dual-ASR Articulatory Precision（DArtP），在参考无关方法中取得最高平均相关性。
引用
@article{arxiv.2603.08097,
title = {PathBench: Speech Intelligibility Benchmark for Automatic Pathological Speech Assessment},
author = {Bence Mark Halpern and Thomas Tienkamp and Defne Abur and Tomoki Toda},
journal= {arXiv preprint arXiv:2603.08097},
year = {2026}
}
备注
5 pages, 1 table. Submitted to Interspeech 2026