SpeechAgent：面向言语障碍帮助的端到端移动基础设施
系统与控制
2025-10-24 v1 声音
系统与控制
摘要
言语是人类沟通的基本要素, 但数百万人面临言语障碍, 如功能性言语障碍、顿挫型言语障碍和痴呆症等条件, 常导致社交孤立和参与度下降。 尽管近期进步显著, 但面向言语障碍用户的易于访问的Web和移动基础设施仍有限, 阻碍了这些技术在日常沟通中的实际应用。 为弥合这一鸿沟, 本文提出SpeechAgent, 一个面向言语障碍帮助的移动SpeechAgent, 旨设计算术辅助患者进行日常沟通。 该系统集成了大语言模型(LLM)驱动的推理与先进语音处理模块, 提供针对不同障碍类型的自适应支持。 为确保实际可行性, 我们开发了结构化的部署管道, 使其能在移动和边缘设备上实现实时语音处理, 在保持高准确率和语音质量的同时实现不可感知的延迟。 在真实世界言语障碍语音数据集和边缘设备延迟分析上进行评估表明, SpeechAgent能够提供有效且用户友好的性能, 证明其为个性化日常助助沟通的可行性。
引用
@article{arxiv.2510.20113,
title = {SpeechAgent: An End-to-End Mobile Infrastructure for Speech Impairment Assistance},
author = {Haowei Lou and Chengkai Huang and Hye-young Paik and Yongquan Hu and Aaron Quigley and Wen Hu and Lina Yao},
journal= {arXiv preprint arXiv:2510.20113},
year = {2025}
}