迈向具有时间可解释性的构音障碍语音清晰度评估
音频与语音处理
2025-06-03 v1 人机交互
声音
摘要
构音障碍作为一种运动性言语障碍，会影响语音清晰度，并需要针对性的干预以实现有效沟通。在这项工作中，我们通过收集六名说话人朗读两段文章的构音障碍语音数据集来研究自动发音错误反馈，该数据集由言语治疗师标注了时间标记和发音错误描述。我们设计了一个用于可解释发音错误评估的三阶段框架：（1）整体清晰度评分，（2）发音错误定位，以及（3）发音错误类型分类。我们在每个阶段系统分析了预训练的自动语音识别（ASR）模型，评估了它们在构音障碍语音评估中的有效性（代码获取地址：https://github.com/augmented-human-lab/interspeech25_speechtherapy，补充网页：https://apps.ahlab.org/interspeech25_speechtherapy/）。我们的发现为自动化发音评估的可操作反馈提供了临床相关见解，这有望使患者实现独立练习，并帮助治疗师提供更有效的干预。
引用
@article{arxiv.2506.00454,
title = {Towards Temporally Explainable Dysarthric Speech Clarity Assessment},
author = {Seohyun Park and Chitralekha Gupta and Michelle Kah Yian Kwan and Xinhui Fung and Alexander Wenjun Yip and Suranga Nanayakkara},
journal= {arXiv preprint arXiv:2506.00454},
year = {2025}
}
备注
Accepted in Interspeech 2025. First two authors were equal contributors