論文の概要: Towards Automated Assessment of Stuttering and Stuttering Therapy
- arxiv url: http://arxiv.org/abs/2006.09222v1
- Date: Tue, 16 Jun 2020 14:50:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 20:39:11.607573
- Title: Towards Automated Assessment of Stuttering and Stuttering Therapy
- Title（参考訳）: ストータリングとストータリング療法の自動化に向けて
- Authors: Sebastian P. Bayerl, Florian H\"onig, Joelle Reister and Korbinian
Riedhammer
- Abstract要約: 発声は複雑な発声障害であり、繰り返し、音、音節または単語の延長、発話中のブロックによって識別できる。
発声重大度評価の一般的な方法は、発声中の3つの最長発声症状の平均である発声音節(%SS)、最近導入された発声効率スコア(SES)などがある。
本稿では,スタブリングの重症度を評価する新しい手法である音声制御指標(SCI)を提案する。
- 参考スコア（独自算出の注目度）: 0.22940141855172028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stuttering is a complex speech disorder that can be identified by
repetitions, prolongations of sounds, syllables or words, and blocks while
speaking. Severity assessment is usually done by a speech therapist. While
attempts at automated assessment were made, it is rarely used in therapy.
Common methods for the assessment of stuttering severity include percent
stuttered syllables (% SS), the average of the three longest stuttering
symptoms during a speech task, or the recently introduced Speech Efficiency
Score (SES). This paper introduces the Speech Control Index (SCI), a new method
to evaluate the severity of stuttering. Unlike SES, it can also be used to
assess therapy success for fluency shaping. We evaluate both SES and SCI on a
new comprehensively labeled dataset containing stuttered German speech of
clients prior to, during, and after undergoing stuttering therapy. Phone
alignments of an automatic speech recognition system are statistically
evaluated in relation to their relative position to labeled stuttering events.
The results indicate that phone length distributions differ with respect to
their position in and around labeled stuttering events
- Abstract（参考訳）: 発声は複雑な言語障害であり、繰り返し、音、音節または単語の延長、発話中のブロックによって識別できる。
重度評価は通常、スピーチセラピストによって行われる。
自動評価の試みは行われたが、治療にはほとんど使われていない。
発声重症度を評価する一般的な方法は、%発声音節(%ss)、発話課題中の3つの発声症状の平均、最近導入された発声効率スコア(ses)である。
本稿では,スタブリングの重症度を評価する新しい手法である音声制御指標(SCI)を提案する。
SESとは異なり、流速形成の治療成功を評価するためにも使用できる。
本研究はsesとsciの両方を評価し,その前・中・後におけるドイツ語話者の発話を包含する包括的ラベル付きデータセットについて検討した。
音声認識システムの音声アライメントは,ラベル付き発声イベントに対する相対的な位置に対して統計的に評価される。
その結果、音声長の分布はラベル付き発話における位置と周辺で異なることが示唆された。
関連論文リスト
- Self-supervised Speech Models for Word-Level Stuttered Speech Detection [66.46810024006712]
自己教師付き音声モデルを利用した単語レベルの発声音声検出モデルを提案する。
本評価は, 単語レベルの発声検出において, 従来の手法を超越していることを示す。
論文 参考訳（メタデータ） (2024-09-16T20:18:20Z) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - Detecting Dysfluencies in Stuttering Therapy Using wav2vec 2.0 [0.22940141855172028]
英語コーパスのスタブリング分類のための微調整wav2vec 2.0は、汎用的特徴の有効性を高める。
本稿では、Fluencybankとドイツのセラピー中心のKassel State of Fluencyデータセットについて評価する。
論文 参考訳（メタデータ） (2022-04-07T13:02:12Z) - KSoF: The Kassel State of Fluency Dataset -- A Therapy Centered Dataset
of Stuttering [58.91587609873915]
この研究で紹介されるKassel State of Fluency (KSoF)は、治療ベースのデータセットで、5500以上の散在するPWSのクリップを含んでいる。
オーディオは、Institut der Kasseler Stottertherapieのセラピーセッション中に録音された。
論文 参考訳（メタデータ） (2022-03-10T14:17:07Z) - Investigation of Data Augmentation Techniques for Disordered Speech
Recognition [69.50670302435174]
本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。
正常な音声と無秩序な音声の両方が増強過程に利用された。
UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
論文 参考訳（メタデータ） (2022-01-14T17:09:22Z) - STAN: A stuttering therapy analysis helper [59.37911277681339]
発声は、繰り返し、音、音節または単語の延長、発話中のブロックによって識別される複雑な音声障害である。
本稿では, 言語療法士を支援するシステムSTANについて紹介する。
論文 参考訳（メタデータ） (2021-06-15T13:48:12Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z) - Stutter Diagnosis and Therapy System Based on Deep Learning [2.3581263491506097]
スタッタリング(stammering)は、音声の連続性を破るコミュニケーション障害である。
本稿では,MFCC音声特徴に対するGated Recurrent CNNを用いたスタッター診断エージェントの実装と,SVMを用いた治療勧告エージェントの実装に焦点を当てた。
論文 参考訳（メタデータ） (2020-07-13T10:24:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。