wav2vec 2.0を用いた St音療法における異常性の検出【JST・京大機械翻訳】

Bayerl Sebastian P.; Wagner Dominik; Noth Elmar; Riedhammer Korbinian

プレプリント

J-GLOBAL ID：202202209051304803 整理番号：22P0327839

wav2vec 2.0を用いた St音療法における異常性の検出【JST・京大機械翻訳】

Detecting Dysfluencies in Stuttering Therapy Using wav2vec 2.0

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年06月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

発話は,個人の通信能力を害する様々な音声障害である。 st音(PWS)は,しばしばその状態に対処するために音声療法を使用する。このような非典型的音声を持つ人々のための音声認識システムを改善し,または,音声療法の有効性を追跡することは,治療において獲得された音声技術を検出することができると同時に,異常性を検出することができるシステムを必要とする。本論文は,マルチタスク学習と連動して, st音音声を含むサイズ可能な英語コーパス上の st音の分類のために,微調整wav2vec2.0[1]が,音声における st音の検出に対する汎用wav2vec2.0特徴の有効性を高めることを示した。言語内および言語内の両方で。6つの異なる st音関連事象型,すなわちブロック,延長,音反復,単語反復,インタージェクション,および特定の治療-音声修正に対する微調整モデルから抽出した特徴を用いた訓練支援ベクトルマシン分類器により,Fluent Bank,[2]およびドイツ治療中心Kassel of Fluentity(KSoF)[3]データセットに関する著者らの方法を評価した。微調整モデルからの埋込みを用いて,相対分類性能利得は27%w.r.tに達した。F1スコア。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

音声処理 , パターン認識

前のページに戻る