Performance of Speech Recognition Algorithms in Musical Speech used for Speech-Language Pathology Rehabilitation
Notice bibliographique
Résumé
Musical speech in speech-language pathology rehabilitation is the production of speech following simple musical (rhythmic or melodic) patterns. This type of speech is used to facilitate speech processing in patients. In this study, we examined the performance of current automatic speech recognition (ASR) algorithms in recognizing normal and musical speech. From a first list of 28 identified algorithms, 24 were excluded for reasons such as low accuracy rate, high computational cost, high price, difficulty of use, long runtime, implementation problems. The four algorithms included were those from Amazon Web Services (AWS Transcribe), Google Speech Recognition, IBM Watson and Rev AI. We ran the selected algorithms on 60 sentences recorded under four speech conditions (Melodic; Rhythmic; Regular Slow; and Regular Normal). All algorithms did perfectly in recognizing the normal speech. The two algorithms with the best performance in musical speech (rhythmic and melodic speech) were AWS Transcribe and IBM Watson, both providing recognition accuracy above 98%. When adding moderate level of white noise and reverberation to the stimuli, AWS Transcribe remained with an acceptable (> 70%) or satisfactory (> 95%) ASR performance. These results may guide the development of software that use ASR to enable patients to undergo self-directed sessions of music-based speech-language rehabilitation, such as the melodic intonation therapy for post-stroke aphasia. The possibility to recognize musical speech allows to compare a patient’s performance to corresponding target phrases and provide feedback in the absence of a clinician. Given the recommended high intensity of treatment and the limited availability of speech-language pathologists, such software would be highly valuable to our healthcare systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».