建模混淆矩阵以提高语音识别准确率，并应用于构音障碍语音

建模混淆矩阵以提高语音识别准确率，并应用于构音障碍语音

原文：Modelling confusion matrices to improve speech recognition accuracy, with an application to dysarthric speech

引言

构音障碍的定义与影响

构音障碍的特征

• 构音障碍是一种运动性语音障碍，表现为发音肌肉的无力、瘫痪或协调不良。
• 可由中风、脑瘫、创伤性脑损伤或退行性神经疾病（如帕金森病或阿尔茨海默病）引起。
• 影响肺部、喉部、口腔咽部、鼻咽部、软腭和发音器官（嘴唇、舌头、牙齿和下颌）等肌肉。

自动语音识别（ASR）系统的挑战

• ASR系统在处理构音障碍语音时面临低可理解性和有限词汇量的问题。
• 构音障碍患者的语音模式因个体差异而异，需要不同的ASR类型。
• 主要错误因素包括音素替换、删除和插入导致的可理解性下降及有限的音素库。

将混淆矩阵