Aneesh Jonelagadda

新框架提升非规范语音的音素识别能力

研究人员开发了一种新颖的多任务学习框架，以提高非规范语音（如病理语音或带口音的语音）的音素识别能力。该方法通过分层架构和交叉注意力融合，将音素预测分解为发音方式、发音部位和清浊等发音特征。该系统还结合了半监督学习和分阶段训练策略，以处理有限且嘈杂的临床语音数据。在代理数据集上的实验表明，与基线模型相比，性能显著提升，并且错误模式具有可解释性，与音韵学特征一致。