論文の概要: Child-Adapted Structured Phonological Representations for Interpretable Speech Sound Analysis

• arxiv url: http://arxiv.org/abs/2610.00852v1
• Date: Thu, 01 Oct 2026 00:12:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.814725
• Title: Child-Adapted Structured Phonological Representations for Interpretable Speech Sound Analysis
• Title（参考訳）: 解釈可能な音声分析のための子適応構造音韻表現法
• Abstract要約: 我々は、ChiLDES-Alignedデータを用いて、構造化音声表現を子音に適用する。 子音適応は、すべての監督条件における声の認識を改善する。 ベラーフロントコントラストは7種類のモデルで保存されている。
• 参考スコア（独自算出の注目度）: 10.275737387265321
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Structured phonological representations provide an interpretable alternative to generic speech embeddings, but existing models are largely trained on adult speech. We adapt PhonoQ-2.0 to child speech using CHILDES-Aligned data and compare three alignment-supervision conditions (Adult, Adult+Child, and Child-only) across two initialization strategies (Adult PhonoQ and scratch). Generalization is evaluated against manual child-speech annotations. On 1,352 consonant targets from 58 typically developing children, child-speech adaptation improves voicing recognition across all supervision conditions, from 0.922 macro-F1 for Adult PhonoQ to 0.972--0.987 after adaptation. Manner is more sensitive to alignment supervision: Adult+Child MFA reaches 0.804 and 0.796, compared to approximately 0.70 under Adult MFA supervision. Place remains comparatively strong across systems (0.871--0.902), although per-class performance varies substantially. The velar-fronting contrast is preserved across all seven model variants. Longitudinal UltraPhonix analysis further reveals speaker-specific velar and post-alveolar changes that are largely preserved across models and broadly consistent with reported clinical progress.
• Abstract（参考訳）: 構造的音韻表現は、一般的な音声埋め込みに代わる解釈可能な代替手段を提供するが、既存のモデルは、主に成人音声に基づいて訓練されている。 PhonoQ-2.0をChiLDES-Alignedデータを用いて幼児音声に適用し,2つの初期化戦略(Adult, adult+Child, and Child-only)を比較した。 一般化は手動音声アノテーションに対して評価される。 発達期58歳児の1,352人の子音ターゲットにおいて、子音適応は、適応後の0.922マクロF1から、適応後の0.972--0.987まで、全ての監督条件における発声認識を改善している。マナーは、アダルト・チルドMFAは、アダルトMFA監督下の約0.70に比して、アダルト・チルドMFAは0.804、0.796に比して、アダルト・チルドMFAは0.804、アダルトMFA監督下の約0.796に比し、比較的強い(0.871-0.902)。 ベラーフロントコントラストは7種類のモデルで保存されている。 経時的UltraPhonix解析により、話者特異的な歯槽および歯槽後の変化が明らかになり、それはモデル全体で大きく保存され、報告された臨床経過と広く一致している。

関連論文リスト

• Imitation Learning for Elder-Facing Speech Synthesis [65.98429501808018]
  専門家によるデモンストレーションからテキスト音声(TTS)モデルを学習するための新しい模倣学習(IL)フレームワークを提案する。 我々は、専門家のデモンストレーションから限られた監督下での報酬ハッキングを緩和するため、2段階のオンライン報酬学習(OPRL)により、グループ相対政策最適化をさらに改善する。
  論文  参考訳（メタデータ） (2026-06-19T02:36:35Z)
• Context-aware child-directed speech detection from long-form recordings [38.06151982833055]
  我々は182人の子供の多言語データセットを用いて6人の教師付きモデルを微調整し評価した。 子ども中心の録音におけるドメイン内事前学習は、成人の発話で訓練されたモデルよりもかなり優れていた。
  論文  参考訳（メタデータ） (2026-05-31T10:12:47Z)
• Attribute-Based Diagnosis of LLM Alignment with Hate Speech Annotations [48.69228180369574]
  ヘイトスピーチアノテーションはコストが高く、主観的で、アノテータの意見の相違がちである。 大規模言語モデル(LLM)が人間の判断とどのように一致しているかを分析する。 本研究では, ヘイトスピーチコーパスから連続ヘイトスピーチスコアを再構成する。
  論文  参考訳（メタデータ） (2026-05-26T13:44:48Z)
• 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)
• Layer-Wise Analysis of Self-Supervised Representations for Age and Gender Classification in Children's Speech [27.60599947546406]
  本稿では,PFSTARとCMU Kidsデータセットを用いて,4種類のWav2Vec2変異体を詳細に解析する。 その結果,早期層はより深い層よりも話者固有の手がかりを効果的に捉えていることがわかった。 PCAの適用により、分類がさらに改善され、冗長性が低減され、最も情報性の高いコンポーネントが強調される。
  論文  参考訳（メタデータ） (2025-08-14T04:11:44Z)
• A Multi-Stage Hybrid CNN-Transformer Network for Automated Pediatric Lung Sound Classification [1.76179873429447]
  頭蓋骨画像を用いた小児呼吸器疾患の分類のためのハイブリッドCNN-Transformerフレームワークを提案する。 本モデルでは,2進イベント分類では0.9039,多進イベント分類では0.8448であった。
  論文  参考訳（メタデータ） (2025-07-27T20:36:46Z)
• Who Said What WSW 2.0? Enhanced Automated Analysis of Preschool Classroom Speech [24.034728707160497]
  本稿では,幼児教室における音声対話の分析を行うためのフレームワークWSW2.0を提案する。 WSW2.0は、重み付きF1スコアが.845、精度が.846、話者分類のための誤り訂正Kappaが.672に達する(子対教師) このフレームワークを,2年間および1,592時間以上の教室オーディオ録音を対象とする広範囲なデータセットに適用する。
  論文  参考訳（メタデータ） (2025-05-15T05:21:34Z)
• 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)
• On-the-Fly Feature Based Rapid Speaker Adaptation for Dysarthric and Elderly Speech Recognition [53.17176024917725]
  話者レベルのデータの共有化は、データ集約型モデルに基づく話者適応手法の実用的利用を制限する。 本稿では,2種類のデータ効率,特徴量に基づくオンザフライ話者適応手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T09:12:24Z)

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。