• 0
关注残障用户,谷歌Euphonia项目如何帮助语言障碍人士更好地交流
统计 阅读时间大约3分钟(806字)

2019-08-15 09:00:00 关注残障用户,谷歌Euphonia项目如何帮助语言障碍人士更好地交流

人工智能系统也许能够利用它对人类语言的了解来聪明地填补空白。

【猎云网(微信号:ilieyun)】8月15日报道(编译:清酒)

作为在无障碍领域的新进展,谷歌于今年五月在I/O大会上宣布推出Euphonia项目:试图让语音识别系统理解具有非标准语音或障碍的人。谷歌在近期发布的文章和论文中,解释了人工智能的一些功能。

需要解决的问题是显而易见的:那些有运动障碍的患者,如肌萎缩侧索硬化症(ALS)等退化性疾病,他们的说话声音根本无法被现有的自然语言处理系统所理解。

研究小组将其描述如下:

ASR(自动语音识别)系统通常是从“典型”语音中训练出来的,这意味着代表性不足的群体,比如那些有语音障碍或口音重的群体,无法体验到同样程度的实用功能。

目前最先进的ASR模型在服务中等语音障碍的ALS患者时,也会产生高误码率(WER)。

值得注意的是,这种情况至少在一定程度上要归咎于训练集,通常可以通过更具包容性的源数据来解决。这是我们在人工智能模型中发现的内隐偏见之一,这些偏见可能会在其他地方导致高错误率,比如面部识别。

对谷歌的研究人员来说,这意味着要从ALS患者那里收集数十小时的语音。正如你可能预期的那样,每个人受自身状况的影响都不一样,这就对研究造成了不小的障碍。

为此,研究人员将一个标准的语音识别模型用作基准,然后以一些实验性的方式进行调整,在新的音频上进行训练。仅这一点就大大降低了单词错误率,而且对原始模型的更改相对较小,这意味着在调整到一个新的语音时不需要太多的计算。

研究人员发现,当这个模型仍然被一个给定的音素(即像“e”或“f”这样的单个语音)所混淆时,它会出现两种错误。首先,事实是,它不能识别意图的音素,因此不能识别单词。其次,模型必须猜测说话者想要表达的音素,在两个或两个以上单词发音大致相似的情况下,可能会选择错误的音素。

第二个错误是可以智能处理的错误。也许你说,“我要回到房子里去”,而系统却不能识别出句子里的“b(back)”和“h(house)”;也有可能house在患者口中更像是mouse(鼠标),人工智能系统也许能够利用它对人类语言的了解——以及你自己的声音或你说话的语境——来聪明地填补空白。

但这要留给未来的研究。目前,你可以阅读该团队目前为止的研究成果,论文名为《Personalizing ASR for Dysarthric and Accented Speech with Limited Data》,将于下月在奥地利举行的Interspeech大会上发表。

AD:没有投资人关注?缺少更多资金?“FUS猎云网2019年度教育产业峰会”正式开启融资路演征集活动,为教育领域创业者提供一个脱颖而出的机会。如果您够优秀,那就带着“BP”简历加入这场资本与项目联姻的盛宴吧!详情咨询:13121551981

1、猎云网原创文章未经授权转载必究,如需转载请联系官方微信号进行授权。
2、转载时须在文章头部明确注明出处、保留官方微信、作者和原文超链接。如转自猎云网(微信号:ilieyun
)字样。
3、猎云网报道中所涉及的融资金额均由创业公司提供,仅供参考,猎云网不对真实性背书。
推荐阅读
记者名字
{{item.author_display_name}}
{{item.author_user_occu}}
{{item.author_user_sign}}
×