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.