StutterNet：基于时间延迟神经网络的口吃检测
音频与语音处理
2021-06-09 v2 机器学习
声音
摘要
本文介绍 StutterNet，一种新颖的基于深度学习的口吃检测模型，能够检测并识别各类不流畅现象。该领域多数现有工作使用自动语音识别（ASR）结合语言模型进行口吃检测。相较于依赖 ASR 模块的现有工作，我们的方法仅依靠声学信号。我们采用适用于捕捉不流畅语音上下文特征的时间延迟神经网络（TDNN）。我们在包含逾 100 名说话人的 UCLASS 口吃数据集上评估了系统。我们的方法取得了有前景的结果，并优于基于最先进残差神经网络的方法。由于 TDNN 的参数共享机制，所提方法的可训练参数数量也大幅减少。
引用
@article{arxiv.2105.05599,
title = {StutterNet: Stuttering Detection Using Time Delay Neural Network},
author = {Shakeel A. Sheikh and Md Sahidullah and Fabrice Hirsch and Slim Ouni},
journal= {arXiv preprint arXiv:2105.05599},
year = {2021}
}
备注
Accepted in EUSIPCO 2021: European Signal Processing Conference