L'addestramento sensibile all'età migliora il riconoscimento dei fonemi nel parlato dei bambini

Un recente articolo pubblicato su arXiv presenta una tecnica di addestramento innovativa che tiene conto dell'età, portando a notevoli progressi nel riconoscimento dei fonemi nel parlato dei bambini. Questo metodo consente a un modello compatto con 94 milioni di parametri di superare i modelli WavLM Large, che hanno 317 milioni di parametri, sul dataset DrivenData. Notevolmente, ha raggiunto un tasso di errore sui caratteri (CER) di soli 0,04 rispetto ai modelli ensemble con 90 volte i parametri. Questa scoperta è emersa durante una competizione di rilevamento dei fonemi, dove l'incorporazione della previsione dell'età insieme alle sequenze di fonemi si è rivelata vantaggiosa. L'applicazione risultante, PhonemeTrainer, è compatibile con la maggior parte degli smartphone moderni, migliorando la privacy e la conformità nelle app di riconoscimento automatico del parlato (ASR) e di aiuto alla pronuncia per bambini. L'articolo, intitolato 'Edge Phoneme Recognition for Children's Speech through Age-Aware Training', è classificato sotto Computer Science > Artificial Intelligence ed è identificato dal codice 2608.10206. Lo studio affronta problemi di lunga data nel rilevamento dei fonemi dal parlato dei bambini, inclusi i dati di addestramento limitati e la natura distinta dei loro modelli di parlato, indicando un percorso promettente per creare strumenti di riconoscimento vocale educativo più efficaci.