时间拉伸在增强构音障碍语音以改善构音障碍语音识别中的有效性
声音
2022-01-14 v1 人工智能
音频与语音处理
摘要
在本文中，我们研究了几种现有的以及一种新的基于生成对抗网络（GAN）的语音转换前沿方法，用于增强构音障碍语音以改善构音障碍语音识别。我们通过对现有方法的关键组件进行严格的消融研究比较，以寻找改善构音障碍语音识别的最有效方案。我们发现，诸如平稳噪声去除和基于声码器的时间拉伸等直接的信号处理方法，在使用音素识别任务衡量时，所取得的构音障碍语音识别结果与使用基于 GAN 的前沿语音转换方法相当。此外，我们提出的将 MaskCycleGAN-VC 与时间拉伸增强相结合的方案，相较于我们的时间拉伸基线，能够改善某些构音障碍说话人的音素识别结果。
引用
@article{arxiv.2201.04908,
title = {The Effectiveness of Time Stretching for Enhancing Dysarthric Speech for Improved Dysarthric Speech Recognition},
author = {Luke Prananta and Bence Mark Halpern and Siyuan Feng and Odette Scharenborg},
journal= {arXiv preprint arXiv:2201.04908},
year = {2022}
}
备注
Extended version of paper to be submitted to Interspeech 2022. 6 pages, 2 tables