MétaCan
Menu
Retour à la cohorte
Enregistrement W2091902892 · doi:10.1016/s0167-6393(02)00123-5

Interactions between speech coders and disordered speech

2003· article· en· W2091902892 sur OpenAlexaff
Vijay Parsa, Donald G. Jamieson

Notice bibliographique

RevueSpeech Communication · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCode-excited linear predictionSpeech recognitionComputer scienceSpeech codingSpeech perceptionPSQMVoice activity detectionLinear predictive codingSpeech processingAudiologyPerceptionPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

We examined the impact of standard speech coders currently used in modern communication systems, on the quality of speech from persons with common speech and voice disorders. Four standardized coders, viz. G. 728 LD-CELP, GSM 6.10 RPE-LTP, FS1016 CELP, FS1015 LPC and the recently proposed US Federal Standard 2400 bps MELP were evaluated with speech samples collected from 30 disordered talkers. Objective speech quality measures, including the auditory distance parameter based on the measuring normalizing blocks technique, and the perceptual speech quality measure, and subjective impressions of speech coder performance were used to assess the interaction between speech coder and speech disorder. Objective speech quality measures revealed that the performance of the LD-CELP and GSM RPE-LTP coders was not measurably influenced by the type of input speech, and that MELP, FS1015 LPC and to a certain extent FS1016 CELP exhibited degraded performance with speech samples from disordered talkers. Results from perceptual experiments were in contrast with the objective measures of speech quality; ratings of speech coder performance indicated that the listeners are less sensitive to coder-induced distortions with abnormal speech samples.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,286
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpeech CommunicationMême sujetSpeech and Audio ProcessingTravaux en français237 207