基于教师与学习者Wav2Vec-2.0表征间语句级对齐距离的无监督语音可懂度评估
声音
2023-06-16 v1 人工智能
音频与语音处理
摘要
语音可懂度在语言学习中对于有效沟通至关重要。因此，为开发计算机辅助语言学习系统，自动语音可懂度检测(SID)是必要的。多数工作以有监督方式借助人工标注评估可懂度，耗时费力，故可扩展性受限。为克服这些，本工作提出一种无监督SID方法。所提方法将以动态时间规整(DTW)计算得到的教师与学习者表征序列间对齐距离作为区分可懂与不可懂语音的度量。我们使用当前最先进的Wav2Vec-2.0自监督表征获取特征序列。我们发现，采用三种对齐距离度量——平均绝对误差、均方误差与余弦距离（等于1减余弦相似度）——检测准确率分别为 90.37\%、92.57\% 与 96.58\%。
引用
@article{arxiv.2306.08845,
title = {Unsupervised speech intelligibility assessment with utterance level alignment distance between teacher and learner Wav2Vec-2.0 representations},
author = {Nayan Anand and Meenakshi Sirigiraju and Chiranjeevi Yarra},
journal= {arXiv preprint arXiv:2306.08845},
year = {2023}
}