一个机器学习算法用于自动感知评估失声症的严重程度
Benjamin van der Woerd1, Zhuohao Chen2, Nikolaos Flemotomos2
1Department of Surgery, Division of Otolaryngology-Head & Neck Surgery, McMaster University, Hamilton, Ontario, Canada.
概括
一个新的机器学习模型准确地估计了语音失声症的严重程度,与人类专家的评分高度相关. 这为使用音频样本进行语音质量评估提供了一个客观的方法.
科学领域:
- 语音科学是一种语言科学.
- 计算语言学计算语言学
- 机器学习 机器学习
背景情况:
- 听觉感知评估是评估语音质量的标准.
- 需要客观和可靠的方法来评估失声症的严重程度.
研究的目的:
- 开发一种机器学习 (ML) 模型来测量感知失声症的严重程度.
- 确保模型的评估与人类评分专家一致.
主要方法:
- 利用感知语音品质数据库,包括持续的元音和共识性语音句子的听觉感知评估.
- 使用OpenSMILE工具包提取了声学和声乐特征.
- 采用支持向量机 (SVM) 模型,将元音,句子和整个音频样本的特征结合起来进行预测.
主要成果:
- 机器学习算法与专家评价者的估计达到了很高的相关性 (r=0.847).
- 根的平均平方误差 (RMSE) 为13.36.
- 结合不同音频组件 (元音,句子,整个音频) 的特征,与单个组件相比,得出了优异的听力障碍严重程度估计.
结论:
- 一个新的ML算法可以在100点级别上感知地估计失声症的严重程度,与专家评级者有很高的相关性.
- 这表明,ML算法可以为语音样本评估提供客观方法.
- 开发的算法显示了对一致和客观的语音质量评估的承诺.
