English(EN) Comparison of sEMG Encoding Accuracy Across Speech Modes Using Articulatory and Phoneme Features

新研究比较了不同语音模式下的表面肌电图编码精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

一项新的研究论文探讨了语音发音编码（SPARC）特征在预测不同语音模式下的表面肌电图（sEMG）包络方面的有效性。研究发现，与传统的音素表示相比，SPARC特征在朗读、模仿和默读语音中提供了更高的预测精度。这些发现表明SPARC是开发无声语音建模技术的稳健的中间目标。 AI

影响为基于表面肌电图的无声语音建模引入了更有效的特征表示。

排序理由关于语音建模新颖特征表示的学术论文。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Chenqian Le, Ruisi Li, Beatrice Fumagalli, Yasamin Esmaeili, Xupeng Chen, Amirhossein Khalilian-Gourtani, Tianyu He, Adeen Flinker, Yao Wang · 2026-04-28 04:00

Comparison of sEMG Encoding Accuracy Across Speech Modes Using Articulatory and Phoneme Features

arXiv:2604.18920v2 Announce Type: replace-cross Abstract: We test whether Speech Articulatory Coding (SPARC) features can linearly predict surface electromyography (sEMG) envelopes across aloud, mimed, and subvocal speech in twenty-four subjects. Using elastic-net multivariate te…