模拟听力损失对Android机器人患者自动语音识别的影响

科学领域:

• 机器人和人机交互的人机交互
• 医疗模拟和培训 医学模拟和培训
• 听力学和语言科学 听力学和语言科学

背景情况:

• 医疗培训越来越多地使用各种患者模拟工具,包括先进的安卓机器人患者.
• 目前的安卓机器人患者需要增强的行为模拟,特别是在听力损失等感官障碍方面.
• 准确模拟患者的听力损失对于开发更现实的和有效的医疗训练机器人至关重要.

研究的目的:

• 为医疗评估培训引入和评估安卓机器人患者听力损失的模拟.
• 研究模拟听力损失对自动语音识别 (ASR) 系统性能的影响.
• 在模拟听力损失的背景下,建立ASR性能指标和人类听众可理解性之间的相关性.

主要方法:

• 利用来自人类听众的音频数据和音频图的开源数据集.
• 模拟了听力损失对自动语音识别 (ASR) 系统的影响.
• 使用文字错误率 (WER) 和文字信息保存 (WIP) 度量来评估ASR系统的性能.
• 比较了机器人工程中常用的各种ASR模型的性能.

主要成果:

• 一个ASR模型的尺寸本身并不能预测其在模拟听力损失时的性能.
• 文字错误率 (WER) 和文字信息保存 (WIP) 的指标与人类听众的理解力有很强的相关性.
• 绝对WER和WIP值没有直接预测可理解性,但作为可靠的指标.

结论:

• 听力损失模拟是改善医疗培训中安卓机器人患者现实性的重要补充.
• ASR性能指标 (WER,WIP) 可以有效地衡量模拟听力损失的影响,并与人类感知相关联.
• 这些发现支持使用模拟听力损失和相关指标来开发和比较助听器算法,并改进机器人语音识别.