基于带不确定性量化的发音优度评估构音障碍语音的可懂度
声音
2023-05-31 v1 机器学习
音频与语音处理
摘要
本文提出一种改进的发音优度（Goodness of Pronunciation, GoP）方法，利用不确定性量化（Uncertainty Quantification, UQ）进行构音障碍语音的自动语音可懂度评估。当前 GoP 方法严重依赖神经网络驱动的过度自信预测，由于构音障碍语音与健康语音存在显著声学差异，这不适用于评估构音障碍语音。为缓解该问题，在 GoP 上采用 UQ 技术：1) 归一化音素预测（熵、间隔、最大对数it、对数it-间隔）；2) 修改打分函数（缩放、先验归一化）。结果，先验归一化最大对数it GoP 取得最佳性能，相较于基线 GoP 在英语、韩语和泰米尔语上分别相对提升 5.66%、3.91% 和 23.65%。此外，进行音素分析以识别每种语言中哪些音素分数与可懂度分数显著相关。
引用
@article{arxiv.2305.18392,
title = {Speech Intelligibility Assessment of Dysarthric Speech by using Goodness of Pronunciation with Uncertainty Quantification},
author = {Eun Jung Yeo and Kwanghee Choi and Sunhee Kim and Minhwa Chung},
journal= {arXiv preprint arXiv:2305.18392},
year = {2023}
}
备注
Accepted to Interspeech 2023