抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】