使用人工智能检测语音疲劳
Abhinav Siripurapu1, Robert T Sataloff2
1The Hill School, Pottstown, Pennsylvania.
Journal of voice : official journal of the Voice Foundation
|August 25, 2024
概括
这项研究引入了一个人工智能系统,以93%的准确度检测语音疲劳 (VF). 人工智能模型的AI模型
科学领域:
- 语音和听力科学 语言和听力科学
- 人工智能在医学中的应用
- 机器学习用于健康
背景情况:
- 语音疲劳 (VF) 由于主观症状和客观量化难度而带来诊断挑战.
- 目前用于检测VF的方法有限,需要新的方法来准确评估.
研究的目的:
- 开发和评估基于人工智能的系统,用于自动检测和监测语音疲劳.
- 将AI模型的性能与语音语言病理学家 (SLP) 进行的传统评估进行比较.
主要方法:
- 从不同程度的VF的个体收集了语音样本.
- 使用ECAPA-TDNN模型提取语音嵌入和卷积神经网络进行分类.
- 通过将AI模型的准确性与经验丰富的SLP的评估进行比较来验证AI模型.
主要成果:
- 人工智能模型在学术讲座和播客的数据集上在检测语音疲劳方面达到93%的准确性.
- 人工智能模型的分类准确度是86%,与三个经验丰富的SLP的评级相比.
结论:
- 人工智能为分析和检测语音疲劳提供了可泛化和有效的方法.
- 未来的研究将专注于通过患者数据验证这些AI模型,以获得更广泛的临床应用.
关键词:
语音疲劳 卷积神经网络 检测

