關注殘障用戶，谷歌Euphonia項目如何幫助語言障礙人士更好地交流

【獵雲網（微信號：ilieyun）】8月15日報道（編譯：清酒）

作為在無障礙領域的新進展，谷歌於今年五月在I/O大會上宣布推出Euphonia項目：試圖讓語音識別系統理解具有非標準語音或障礙的人。谷歌在近期發布的文章和論文中，解釋了人工智慧的一些功能。

需要解決的問題是顯而易見的：那些有運動障礙的患者，如肌萎縮側索硬化症（ALS）等退化性疾病，他們的說話聲音根本無法被現有的自然語言處理系統所理解。

研究小組將其描述如下:

ASR（自動語音識別）系統通常是從「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於訓練集，通常可以通過更具包容性的源數據來解決。這是我們在人工智慧模型中發現的內隱偏見之一，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患者那裡收集數十小時的語音。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，然後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。

研究人員發現，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（滑鼠），人工智慧系統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》，將於下月在奧地利舉行的Interspeech大會上發表。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！