自动语音识别对有语音障碍儿童的评估有用:验证研究

科学领域:

• 语音语言病理学 语言病理学
• 计算语言学计算语言学
• 儿科听力学 儿科听力学

背景情况:

• 语音音障碍 (SSD) 在儿童中很常见,造成沟通挑战.
• 由语音语言病理学家 (SLP) 进行的传统SSD评估是耗时的,可能缺乏可靠性.
• 开发自动化工具对于高效和一致的SSD评估至关重要.

研究的目的:

• 为了比较语音语言病理学家 (SLPs) 和自动语音识别 (ASR) 模型之间的语音声音障碍 (SSD) 评估结果.
• 评估在韩国的标准化SSD诊断工具上微调的ASR模型的性能.
• 确定ASR模型在评估儿童言语中的优点和局限性.

主要方法:

• 使用精心调整的 wav2vec 2.0 XLS-R 模型,在广泛的多语言成人语音数据上进行预训练,并进一步训练儿童发音错误的语音.
• 韩国对30名怀疑患有SSD的3至7岁儿童进行了两项标准化的评估,即儿童声学和口音评估 (APAC) 和口音和声学尿道测试 (U-TAP).
• 通过ASR生成的转录与SLP转录进行了仔细比较,以评估差异和相关性.

主要成果:

• 该ASR模型与SLP语音错误率有很好的相关性,APAC的类内相关系数为0.984,U-TAP的系数为0.978.
• 在ASR和SLP转录之间,语音错误率为APAC的8.42%和U-TAP的8.91%.
• 在正确和不正确生成的音符中观察到差异,与U-TAP相比,在APAC评估中发现的差异更为明显.

结论:

• 该ASR模型显示显著的希望,以协助评估儿童的言语声音障碍 (SSDs).
• 模型性能根据特定的语音或单词特征而有所不同,表明有针对性的改进领域.
• 未来的研究应纳入多样化的语音样本和临床环境,以提高ASR模型的精细化和临床适用性.