基于不确定性引导的 StutterCut 正规化割分段法用于顿语摘录
声音
2025-08-05 v1 人工智能
音频与语音处理
摘要
检测和分割顿语对于有效的语音治疗和实时反馈至关重要。然而，大多数方法仅在语篇层面对顿语进行分类。我们引入StutterCut，一个半监督框架，将顿语分割建模为图划分问题，其中来自重叠窗口的语音嵌入表示为图节点。我们利用在弱标记（语篇级）标签上训练的伪oracle分类器来细化节点之间的连接，其影响通过蒙特卡罗 dropout 的不确定性测量加以控制。此外，我们扩展了弱标记的 FluencyBank 数据集，纳入四种顿语类型的帧级顿语边界。这提供了一个更贴近现实的基准，与合成数据集不同。在真实和合成数据集上的实验表明，StutterCut 超过了现有方法，实现了更高的 F1 分数和更精确的顿语起始检测。
引用
@article{arxiv.2508.02255,
title = {StutterCut: Uncertainty-Guided Normalised Cut for Dysfluency Segmentation},
author = {Suhita Ghosh and Melanie Jouaiti and Jan-Ole Perschewski and Sebastian Stober},
journal= {arXiv preprint arXiv:2508.02255},
year = {2025}
}
备注
Accepted in Interspeech 2025