典型与非典型语气障碍分类：引入 IIITH-TISA 语料库与时序上下文特征表示
音频与语音处理
2024-11-27 v1
摘要
自然语言交流中的语气障碍可以分为典型或非典型。典型语气障碍，如停顿和重复，是日常语言中常见的现象，而非典型语气障碍则是典型的病理性障碍，如语言障碍。区分这两类障碍对于提高面向语言障碍者的语音助理（VAs）至关重要，因为这些人往往因误识别语音终止而面临提前中断的问题。准确的分类也有助于早期检测儿童的语言障碍，防止其被误诊为语言发育障碍。本研究引入 IIITH-TISA 数据集，这是第一个印度英语语言障碍语料库，捕捉非典型语气障碍。此外，我们扩展了 IIITH-IED 数据集，添加了详细的典型语气障碍注释。我们提出了感知增强的零时窗 cepstral 系数（PE-ZTWCC）结合偏移 delta 声谱系数（SDC）作为输入特征，用于浅层时延神经网络（TDNN）分类器，捕捉本地和更广时序上下文。我们的方法在语气障碍分类上实现了 85.01% 的平均 F1 分数，优于传统特征。
引用
@article{arxiv.2411.17149,
title = {Typical vs. Atypical Disfluency Classification: Introducing the IIITH-TISA Corpus and Temporal Context-Based Feature Representations},
author = {Priyanka Kommagouni and Vamshiraghusimha Narasinga and Purva Barche and Sai Akarsh C and Anil Vuppala},
journal= {arXiv preprint arXiv:2411.17149},
year = {2024}
}