采用深度学习模型来评估语音信息在声学模拟的耳植入物

科学领域:

• 听觉神经科学 听觉神经科学
• 语音处理 语音处理
• 人工智能的人工智能

背景情况:

• 声学语音模拟器模拟语音用于耳植入物 (CI) 研究.
• 与人类受试者进行传统的可理解性测试是资源密集的.
• 需要有效和可靠的方法来评估CI模拟.

研究的目的:

• 使用深度学习语音识别模型调查CI模拟的可理解性.
• 评估模型对语音编码器参数变化的响应.
• 为CI研究建立人类受试者测试的替代方案.

主要方法:

• 使用了先进的深度学习语音识别模型.
• 用调整的参数 (频段,频率范围,动态范围) 评估语音编码器处理的单词和句子.
• 通过操纵信封属性来模拟心理物理时间和强度分辨率.

主要成果:

• 深度学习模型展示了对语音编码器参数变化的类似人类反应.
• 模型性能与模拟CI处理设置的变化相关联.
• 结果与现有的人类受试者数据保持一致,验证了模型的方法.

结论:

• 深度学习模型可以有效地评估耳植入模拟的可理解性.
• 这种人工智能驱动的方法比人类测试节省了大量的时间和成本.
• 语音识别模型对推进听觉研究和开发有前途.