بررسي اثر استفاده از روش تطبيق هنجارسازي طول مسير صوتي به منظور تشخيص اختلالات گفتاري رايج و گفتاردرماني كودكان فارسي زبان

Study of VTLN Method to Recognize Common Speech Disorders in Speech-Therapy of Persian ‍Children

در اين مقاله، يك سيستم بازشناسي كلمات جداگانه بررسي شده است. هدف اين تحقيق، افزايش كارايي سيستم بازشناسي گفتار كودكان با استفاده از روش هنجارسازي طول مسير صوتي است. اين سيستم بازشناسي، براي استفاده در طراحي نرم افزار گفتاردرماني ايجاد شده است به طوري كه اين نرم افزار با استفاده از سيستم بازشناسي، درست يا نادرست بودن تلفظ كودك را تشخيص مي دهد و تلاش مي كند تا با استفاده از بازخوردها گفتار كودك را بهبود بخشد. دادگان گفتاري -كه در فاز بازشناسي اين سيستم استفاده شده است- مربوط به 47 كلمه و اختلالات توليدي رايج در آنها است. در اين مطالعه، 4 مدل پايه شامل مدل كودكان، مدل تركيبي كودكان و زنان و دو مدل بزرگسالان (با استفاده از داده هاي فارس دات) آموزش داده شده است. داده-هايي كه براي آموزش و آزمون مدل كودكان استفاده شده، مربوط به 38 كودك در بازه سني 5 تا 8 است. همه مراحل آموزش و آزمون سيستم بازشناسي با استفاده از ابزار HTK انجام شده است. نتايج اين پژوهش نشان مي دهد كه كارايي كم سيستم بازشناسي با استفاده از روش تطبيق هنجارسازي طول مسير صوتي افزايش مي يابد و بهبود مدل بزرگسالان چشمگيرتر از مدل كودكان است.

In present work, recognition of isolated word has been studied. The purpose of this research is to increase the performance of children’s speech recognizer using Vocal Tract Length Normalization. This recognition system has been created to design a speech therapy software. Recognition of correct and wrong pronunciation and help children to improve it using some feedbacks are the goals of this software. In test phase, some speech data that are related to correct and incorrect pronunciation of 47 words have been utilized. Four Baseline models have been Trained, one for children, one combined model (females and children) and two for Adults (by exploiting one Persian database). Children’s model was trained and tested with data that have been collected from 38 children (5 to 8 years old). These experiments were implemented in HTK toolkit. Poor performance was improved using VTLN. Improvement of adult’s model was more than children’s model.