論文の概要: Self-Supervised Speech Representations Track Spoken Language Convergence to Adult Models in Infants and Children Who Are Deaf/Hard-of-Hearing

• arxiv url: http://arxiv.org/abs/2608.20396v1
• Date: Wed, 01 Jul 2026 17:41:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.310346
• Title: Self-Supervised Speech Representations Track Spoken Language Convergence to Adult Models in Infants and Children Who Are Deaf/Hard-of-Hearing
• Title（参考訳）: 聴覚障害児の成人モデルにおける音声の自己教師付き表現
• Abstract要約: 子どもと介護者の埋め込み距離は聴力年齢とともに減少した。 結果から,子どもの日常生活における言語発達のスケーラブルな言語中立性評価への道筋が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language development is characterized by a gradual convergence of children's speech toward adult patterns. Measuring this process has traditionally required detailed transcription and language-specific expertise, limiting scalability across languages and populations. Here, we use speech embeddings to capture this convergence directly from the acoustic signal in longform, child-centered recordings, taken as children go about their daily lives. Using HuBERT-BASE, we extracted embeddings from speech vocalizations of children who are deaf/hard-of-hearing and their female adult caregivers ($>$925 hrs. observation). Embedding distance between children and caregivers decreased with hearing age, controlling for pitch and vocalization length, indicating, as expected, that children's speech patterns converge to caregivers over development. This single distance metric likewise related to multiple standardized measures of speech and language from infancy through preschoolhood. These results suggest a path toward scalable, language-neutral assessment of spoken language development from children's everyday lives.
• Abstract（参考訳）: 言語発達は、大人のパターンに対する子供のスピーチの段階的な収束によって特徴づけられる。 このプロセスを測定するには、伝統的に詳細な書き起こしと言語固有の専門知識が必要であり、言語や人口のスケーラビリティを制限してきた。 ここでは, 音声埋め込みを用いて, 子どもが日常の生活を体験するときに捉えた, 子供中心の長めの音声信号から, この収束を直接捉える。 HuBERT-BASEを用いて、聴覚障害児の音声発声と、女性介護者(925 hrs. hrs.)の埋め込みを抽出した。 子どもと介護者との距離は、聴覚年齢とともに減少し、ピッチと発声長が制御され、予想通り、子どもの発話パターンが発達よりも介護者に収束することを示していた。 この単一距離メートル法は、幼児期から幼児期にかけての音声と言語を標準化した複数の尺度に類似している。 これらの結果から,子どもの日常生活における言語発達のスケーラブルな言語中立性評価への道のりが示唆された。

関連論文リスト

• Can large audio language models understand child stuttering speech? speech summarization, and source separation [3.2684800403907506]
  子どもの発話は、音響、韻律、言語発達における大人のスピーチとは異なる(反復、延長、ブロック) 近年の大規模音声言語モデル (LALM) は, クロスモーダルな音声理解を強く示している。 我々は,現在あるLALMを,インタビュー(混合話者)と読書課題(単一子ども)の2つの設定で評価した。
  論文  参考訳（メタデータ） (2025-10-21T18:53:34Z)
• Benchmarking Training Paradigms, Dataset Composition, and Model Scaling for Child ASR in ESPnet [72.53502346791814]
  データセット、SSL表現(WavLM、XEUS)、デコーダアーキテクチャ間のフラットスタートトレーニングを比較した。 SSL表現は成人のスピーチに偏りがあり、子どものスピーチに対するフラットスタートトレーニングはこれらのバイアスを緩和する。 年齢関連ASRと話者検証分析は、プロプライエタリモデルの限界を強調している。
  論文  参考訳（メタデータ） (2025-08-22T17:59:35Z)
• Cross-Lingual Cross-Age Group Adaptation for Low-Resource Elderly Speech Emotion Recognition [48.29355616574199]
  我々は、英語、中国語、カントン語という3つの異なる言語における感情認識の伝達可能性を分析する。 本研究は,異なる言語群と年齢群が特定の音声特徴を必要とすることを結論し,言語間推論を不適切な方法とする。
  論文  参考訳（メタデータ） (2023-06-26T08:48:08Z)
• BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
  音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。 語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。 テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-06-02T12:54:38Z)
• M-SpeechCLIP: Leveraging Large-Scale, Pre-Trained Models for Multilingual Speech to Image Retrieval [56.49878599920353]
  本研究は,多言語画像音声検索におけるCLIPとHuBERTの大規模,英語のみの事前学習モデル(CLIPとHuBERT)の利用について検討する。 非英語画像音声検索では、各言語毎に個別のモデルを訓練する場合と、3言語すべてで音声を処理する1つのモデルの両方において、最先端のパフォーマンスを幅広いマージンで上回ります。
  論文  参考訳（メタデータ） (2022-11-02T14:54:45Z)
• How Adults Understand What Young Children Say [1.416276307599112]
  子供の初期のスピーチは、形や内容において大人のスピーチとほとんど似ていないことが多いが、介護者は幼児の発話で意味を見出すことが多い。 早期コミュニケーションの成功は,子どもの言語知識の増大だけでなく,大人の高度な推論にも依存すると考えられる。
  論文  参考訳（メタデータ） (2022-06-15T20:37:32Z)
• Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
  ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。 我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
  論文  参考訳（メタデータ） (2021-10-13T05:30:50Z)
• Child-directed Listening: How Caregiver Inference Enables Children's Early Verbal Communication [2.9331097393290837]
  我々は、大人が子どもの言葉のうるささを克服する方法を理解するために、ベイズ語モデルを用いています。 音声でアノテートしたコーパス上での競合モデルの評価により, 子どもの言語環境に特化して適合する事前の期待により, 成人の回復した意味を最もよく予測できることを示す。
  論文  参考訳（メタデータ） (2021-02-06T00:54:34Z)
• Learning to Understand Child-directed and Adult-directed Speech [18.29692441616062]
  人間の言語習得研究は、児童指向の音声が言語学習者に役立つことを示している。 成人指向音声(ADS)と子ども指向音声(CDS)で訓練されたモデルのタスク性能の比較を行った。 CDSが学習の初期段階で有効であることを示す指標が得られたが、最終的には、ADSでトレーニングされたモデルは、同等のタスクパフォーマンスに達し、より一般化される。
  論文  参考訳（メタデータ） (2020-05-06T10:47:02Z)

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。