Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Unsupervised Rhythm and Voice Conversion to Improve ASR on Dysarthric Speech

Created by
  • Haebom

저자

Karl El Hajal, Enno Hermann, Sevada Hovsepyan, Mathew Magimai. -Doss

개요

본 논문은 발화 속도가 느리고 화자 간 변이가 큰 구어장애 발화에 어려움을 겪는 자동 음성 인식(ASR) 시스템의 문제를 해결하기 위해, 구어장애 발화를 건강한 발화로 변환하는 방법을 제시합니다. 구어장애 발화에 적합한 음절 기반 리듬 모델링 방법을 도입하여 Rhythm and Voice (RnV) 변환 프레임워크를 확장하였습니다. 변환된 음성으로 LF-MMI 모델을 학습하고 Whisper 모델을 미세 조정하여 ASR 성능 향상 효과를 평가하였습니다. Torgo 말뭉치를 사용한 실험 결과, LF-MMI는 특히 중증 구어장애의 경우 높은 단어 오류율 감소를 달성하였으나, Whisper의 경우 변환된 데이터로 미세 조정하는 것이 성능 향상에 미미한 영향을 미쳤습니다. 이 결과는 구어장애 ASR에 대한 비지도 리듬 및 음성 변환의 잠재력을 보여줍니다. 코드는 https://github.com/idiap/RnV 에서 확인할 수 있습니다.

시사점, 한계점

시사점:
음절 기반 리듬 모델링을 통한 RnV 프레임워크 확장은 구어장애 발화의 ASR 성능 향상에 효과적임을 보여줌.
특히 LF-MMI 모델을 사용한 경우 중증 구어장애 발화에 대한 단어 오류율 감소 효과가 큼.
비지도 학습 기반의 리듬 및 음성 변환 기법의 ASR 적용 가능성 제시.
한계점:
Whisper 모델의 경우 변환된 데이터를 활용한 미세 조정이 성능 향상에 미미한 효과를 보임.
Torgo 말뭉치 하나만 사용하여 실험을 진행하였으므로, 다른 말뭉치에 대한 일반화 성능 검증 필요.
다양한 구어장애 유형에 대한 성능 분석이 부족.
👍