人工智能驱动的基于网络的语音转录工具:一种新的方法来有效评估口头记忆性能

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 语音技术 语言技术

背景情况:

• 记忆力缺陷在和其他神经系统疾病中很常见,影响患者的生活质量.
• 准确的认知评估,特别是口头记忆,对于监测神经疾病至关重要.
• 手动语音转录是劳动密集型,易出错,不适合杂的临床环境.

研究的目的:

• 开发和评估用于口头记忆任务的自动语音转录接口.
• 提高神经障碍患者认知功能评估的效率和准确性.
• 评估自动化系统在杂环境和多种语言中的性能.

主要方法:

• 修改后的U-Net架构用于音频降噪,实现了高信号噪声比 (SNR).
• 低语语音识别模型对波兰语,捷克语和英语进行了微调.
• 实现了动态时间扭曲 (DTW),以实现精确的文字级时间印.
• 一个自动化转录接口被代地开发与用户反.

主要成果:

• 自动化系统实现了跨语言的低文字错误率 (WER) 和字符错误率 (CER) (例如,英语的5%WER).
• 降低噪音的结果是SNR为15.8和平均平方误差 (MSE) 为0.0021.
• 与手动方法相比,转录时间缩短了四倍.
• 用户对自动化界面的满意度达到87.5%.

结论:

• 开发的自动转录接口准确地处理口头记忆任务,包括具有挑战性的斯拉夫语言.
• 这项技术比手动转录提供了显著的改进,提高了认知评估的效率和准确性.
• 自动语音处理对简化神经病学和相关领域的临床监测和研究具有很大的潜力.