面向客观可解释的语音障碍评估：CNN 与变换模型的比较分析
音频与语音处理
2024-06-13 v1 机器学习
声音
摘要
头颈癌（HNC）显著影响患者的语言能力，损害生活质量。常用语音病理评估指标主观，亟需自动化、无偏见的评估方法。本研究提出一种基于自监督 Wav2Vec2 的模型，用于 HNC 患者的语音电话分类，以提升准确率并改善语音特征的辨识度，以便后续解释性分析。我们探讨了预训练数据集、模型规模、微调数据集及参数的影响。多样化语料库上的评估结果表明，Wav2Vec2 架构有效，优于以往工作中使用的 CNN 方法。与感知度量的相关性也确认了该模型在受损语音分析中的适用性。这项工作为通过利用复杂自学习语音表征，为临床医生提供更好地理解病理语音的可解释方法之路。
引用
@article{arxiv.2406.07576,
title = {Towards objective and interpretable speech disorder assessment: a comparative analysis of CNN and transformer-based models},
author = {Malo Maisonneuve and Corinne Fredouille and Muriel Lalain and Alain Ghio and Virginie Woisard},
journal= {arXiv preprint arXiv:2406.07576},
year = {2024}
}
备注
Accepted to Interspeech 2024