Распознавание речи пациентов с заиканием требует адаптивного обучения
Тестирование систем распознавания речи на речи пациентов с заиканием выявило падение точности до 40—50% в зависимости от тяжести нарушения. Проблема заключается в том, что стандартные модели обучаются на здоровой речи и не могут правильно обработать паузы, повторения слогов и растягивание звуков, характерные для заикания.
Для решения требуется создание специализированных моделей, которые обучаются на речи людей с различными типами нарушений беглости. Такие модели должны различать речевые артефакты и восстанавливать предполагаемое слово из прерывистого звукового потока.
Методика адаптивного обучения
Один из подходов предполагает использование адаптивного обучения, когда модель автоматически подстраивается к характерным особенностям речи конкретного пользователя после нескольких примеров. Это позволяет избежать необходимости в больших датасетах заикающихся говорящих.
Разработчики сотрудничают с логопедическими клиниками и организациями поддержки для сбора репрезентативных данных и валидации результатов. Этическое измерение также требует участия самих пациентов в процессе разработки.
Успешное решение этой задачи имеет потенциал не только для помощи людям с нарушениями речи, но и для применения в диагностике и мониторинге логопедического лечения.