論文の概要: AphaVoice: Text-to-Speech Model for Aphasia Patient Simulation

• arxiv url: http://arxiv.org/abs/2610.14479v1
• Date: Sat, 10 Oct 2026 02:22:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.057014
• Title: AphaVoice: Text-to-Speech Model for Aphasia Patient Simulation
• Title（参考訳）: AphaVoice:失語患者シミュレーションのためのテキスト音声モデル
• Abstract要約: AphaVoiceは、高度に現実的な失語を合成するために設計された新しいテキスト音声合成フレームワークである。 AphaVoiceは、時相測定において既存のモデルよりも優れたパフォーマンスで、ジスフルエンシの臨床的特徴を捉える優れた能力を示している。 最終的に、AphaVoiceは、失語症に関連する医療訓練と臨床シミュレーションのためのスケーラブルで高忠実なツールを提供する。
• 参考スコア（独自算出の注目度）: 42.199687268942206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While language therapy is the primary treatment for post-stroke aphasia, limited clinical resources often restrict patient access to proper care. Addressing this gap requires reliable training simulations for medical professionals. However, current AI efforts focus almost exclusively on speech processing, leaving speech generation largely unexplored. This study introduces AphaVoice, a novel text-to-speech (TTS) framework explicitly engineered to synthesize highly realistic aphasic speech. Evaluated against state-of-the-art TTS systems, AphaVoice demonstrates a superior ability to capture the clinical feature of dysfluency, outperforming existing models in temporal metrics while consistently maintaining speaker identity. By leveraging latent space shifting, the model also supports multi-speaker generation without sacrificing phonetic realism. Ultimately, AphaVoice provides a scalable, high-fidelity tool for medical training and clinical simulation related to aphasia.
• Abstract（参考訳）: 言語療法は、ストローク後失語症の主要な治療であるが、限られた臨床資源は、患者が適切な治療を受けることを制限していることが多い。 このギャップに対処するには、医療専門家のための信頼できるトレーニングシミュレーションが必要である。 しかし、現在のAIの取り組みは、ほとんど音声処理に重点を置いており、音声生成はほとんど未検討のままである。 AphaVoiceは、高度に現実的な失語を合成するために明示的に設計された新しいテキスト音声(TTS)フレームワークである。 AphaVoiceは、最先端のTTSシステムに対して評価され、話者のアイデンティティを一貫して維持しつつ、時間的指標における既存のモデルよりも優れた、ジスフルエンシの臨床的特徴を捉える優れた能力を示す。 潜在空間シフトを活用することで、モデルは音声リアリズムを犠牲にすることなく、マルチスピーカ生成もサポートする。 最終的に、AphaVoiceは、失語症に関連する医療訓練と臨床シミュレーションのためのスケーラブルで高忠実なツールを提供する。

関連論文リスト

• Explainable and Generalisable LLM-based Cognitive Decline Detection with Spontaneous Speech [30.364998191306515]
  アルツハイマー病(AD)と軽度認知障害(MCI)がADに先行する可能性がある。 本稿では,自動的,説明可能な認知スクリーニングのためのバイリンガル音声大言語モデルフレームワークを提案する。 誤りを生じやすい自動音声認識に依存する従来のパイプラインとは異なり,本システムは生音声を直接処理し,共同音声・セマンティック表現を学習する。
  論文  参考訳（メタデータ） (2026-09-28T03:23:59Z)
• Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026 [62.221439619588914]
  我々は、KITのこの年に提出したBeTraCチャレンジを軽量トラックで紹介する。 我々の主な貢献は、多種多様な医療対話データセットを合成音声生成と自動生成SOAP監視によって統合するスケーラブルなデータ拡張パイプラインである。
  論文  参考訳（メタデータ） (2026-08-25T09:51:03Z)
• A Multimodal Framework for Dementia Detection via Linguistic and Acoustic Representation Learning [10.559333552210434]
  アルツハイマー病は認知症の主要な原因であり、記憶、推論、コミュニケーション、日常生活に影響を及ぼす。 近年の研究では、自発音声には認知症に関連する貴重な言語的・音響的バイオマーカーが含まれていることが示されている。 本稿では,言語情報と書き起こし情報をエンドツーエンドのトレーニング可能な方法で共同で活用する,認知症自動検出のためのマルチモーダルディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T07:57:49Z)
• Learning Physiology-Informed Vocal Spectrotemporal Representations for Speech Emotion Recognition [30.3773200520904]
  音声感情認識(SER)は、社会ロボティクスやロボット心理学的診断などのヒューマノイドロボットのタスクに不可欠である。 大規模なデータセットでトレーニングされた既存のディープモデルは、ほとんど解釈できないままである。 生理的インフォームド音声スペクトル表現学習法であるPhyloSERを提案する。
  論文  参考訳（メタデータ） (2026-02-03T03:55:50Z)
• Towards Inclusive Communication: A Unified Framework for Generating Spoken Language from Sign, Lip, and Audio [52.859261069569165]
  音声テキスト生成のための手話,唇の動き,音声の多様な組み合わせを扱える最初の統一フレームワークを提案する。 i)不均一な入力を効果的に処理できる統一されたモダリティ非依存アーキテクチャの設計、(ii)モダリティ間の過小評価された相乗効果の探索、特に手話理解における非手動的手がかりとしての唇運動の役割、(iii)個々のタスクに特化した最先端モデルと同等以上のパフォーマンスを達成すること、の3つの目的に焦点をあてる。
  論文  参考訳（メタデータ） (2025-08-28T06:51:42Z)
• Seamless Dysfluent Speech Text Alignment for Disordered Speech Analysis [8.5693791544413]
  本稿では,難読テキストと音声テキストアライメントのための新しいアプローチであるNeural LCSを提案する。 提案手法を大規模シミュレーションデータセット上で評価する。 以上の結果から,音声障害の診断・解析の自動化システムを強化するニューラルLCSの可能性が示された。
  論文  参考訳（メタデータ） (2025-06-05T03:06:37Z)
• Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
  臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。 この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。 提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
  論文  参考訳（メタデータ） (2023-10-25T08:55:48Z)
• A Preliminary Study of a Two-Stage Paradigm for Preserving Speaker Identity in Dysarthric Voice Conversion [50.040466658605524]
  変形性音声変換(DVC)における話者同一性維持のための新しいパラダイムを提案する。 変形性音声の質は統計VCによって大幅に改善される。 しかし, 変形性関節症患者の通常の発話は, ほとんど収集できないため, 過去の研究は患者の個性を取り戻すことはできなかった。
  論文  参考訳（メタデータ） (2021-06-02T18:41:03Z)

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。