作為在無障礙領域的新進展，谷歌于今年五月在I/O大會上宣布推出Euphonia項目：試圖讓語音識別系統(tǒng)理解具有非標準語音或障礙的人。谷歌在近期發(fā)布的文章和論文中，解釋了人工智能的一些功能。
需要解決的問題是顯而易見的：那些有運動障礙的患者，如肌萎縮側索硬化癥（ALS）等退化性疾病，他們的說話聲音根本無法被現(xiàn)有的自然語言處理系統(tǒng)所理解。
研究小組將其描述如下:
ASR（自動語音識別）系統(tǒng)通常是從“典型”語音中訓練出來的，這意味著代表性不足的群體，比如那些有語音障礙或口音重的群體，無法體驗到同樣程度的實用功能。
目前最先進的ASR模型在服務中等語音障礙的ALS患者時，也會產(chǎn)生高誤碼率（WER）。
值得注意的是，這種情況至少在一定程度上要歸咎于訓練集，通?？梢酝ㄟ^更具包容性的源數(shù)據(jù)來解決。這是我們在人工智能模型中發(fā)現(xiàn)的內隱偏見之一，這些偏見可能會在其他地方導致高錯誤率，比如面部識別。
對谷歌的研究人員來說，這意味著要從ALS患者那里收集數(shù)十小時的語音。正如你可能預期的那樣，每個人受自身狀況的影響都不一樣，這就對研究造成了不小的障礙。
為此，研究人員將一個標準的語音識別模型用作基準，然后以一些實驗性的方式進行調整，在新的音頻上進行訓練。僅這一點就大大降低了單詞錯誤率，而且對原始模型的更改相對較小，這意味著在調整到一個新的語音時不需要太多的計算。
研究人員發(fā)現(xiàn)，當這個模型仍然被一個給定的音素（即像“e”或“f”這樣的單個語音）所混淆時，它會出現(xiàn)兩種錯誤。首先，事實是，它不能識別意圖的音素，因此不能識別單詞。其次，模型必須猜測說話者想要表達的音素，在兩個或兩個以上單詞發(fā)音大致相似的情況下，可能會選擇錯誤的音素。
第二個錯誤是可以智能處理的錯誤。也許你說，“我要回到房子里去”，而系統(tǒng)卻不能識別出句子里的“b（back）”和“h（house）”；也有可能house在患者口中更像是mouse（鼠標），人工智能系統(tǒng)也許能夠利用它對人類語言的了解——以及你自己的聲音或你說話的語境——來聰明地填補空白。
但這要留給未來的研究。目前，你可以閱讀該團隊目前為止的研究成果，論文名為《Personalizing ASR for Dysarthric and Accented Speech with Limited Data》，將于下月在奧地利舉行的Interspeech大會上發(fā)表。
AD：還在為資金緊張煩惱嗎？獵云銀企貸，全面覆蓋京津冀地區(qū)主流銀行及信托、擔保公司，幫您細致梳理企業(yè)融資問題，統(tǒng)籌規(guī)劃融資思路，合理撬動更大杠桿。填寫只需兩分鐘，剩下交給我們！詳情咨詢微信：zhangbiner870616 (來源：獵云網(wǎng))
- 蜜度索驥：以跨模態(tài)檢索技術助力“企宣”向上生長
- 比亞迪上半年研發(fā)投入超200億元，比特斯拉多出約40億
- 英偉達第二財季營收300.40億美元 凈利潤同比大增168%
- 知名特斯拉投資人“心灰意冷”：持倉已砍半，AI和機器人都救不了它！
- 騰訊音樂Q2持續(xù)高質量增長：總收入71.6億元，付費用戶數(shù)1.17億
- 微軟Q4營收647億美元凈利220億 盤后一度大跌7%
- 英偉達市值接近蘋果 高增長可以持續(xù)嗎？
- 優(yōu)信發(fā)布財報：零售量環(huán)比同比均增長 預計2025財年業(yè)務量增長超200%
- 36氪Q4季報圖解：營收1億同比增7% 凈虧1766萬
- 聯(lián)想控股2023年凈虧損38.74億元同比轉虧，營收下降10%
- 騰訊音樂Q4及年報：在線音樂強勁增長，持續(xù)促進產(chǎn)業(yè)共贏
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
