伪装语音识别:年龄,听力和机器学习分类
Victoria Stenbäck1, Mathias Hällgren2, Erik Marsja3
1Division of Education, Teaching and Learning, Department of Behavioural Sciences and Learning, Linköping University, Linköping, Sweden; Disability Research Division, Department of Behavioural Sciences and Learning, Linköping University, Linköping, Sweden.
Acta psychologica
|August 27, 2025
概括
机器学习将掩饰器分类为能量或信息. 听力正常的老年人表现与年轻人相似,表明外周听力影响语音识别比年龄更大.
科学领域:
- 听力学
- 机器学习
- 语音感知
背景情况:
- 听觉研究中的掩饰器通常被归类为能量或信息.
- 了解年龄和听力如何影响噪音中的语音感知至关重要.
研究的目的:
- 使用机器学习将掩饰器分为能量和信息类别.
- 研究年龄和听力障碍对语音接收值的影响.
- 在不同的口罩条件下比较不同年龄组的语音识别性能和听力能力.
主要方法:
- 机器学习分类技术用于分类掩饰器.
- 线性混合效应建模用于预测信号噪声比 (SNR).
- 参与者包括听力正常的年轻人和老年人以及听力受损的老年人.
主要成果:
- 机器学习成功证实了掩饰器的分类.
- 年轻和年长的正常听力成年人表现相似,特别是在信息掩饰器上.
- 在所有口罩类型中,有听力障碍的老年人始终需要更高的SNR.
结论:
- 机器学习支持伪装者的理论分类.
- 边缘听力状况对语音识别的影响要大于年龄.
- 听力正常的老年人可能会使用补偿策略来匹配年轻人的表现.


