Un framework di data augmentation migliora la valutazione del linguaggio disartrico

I ricercatori propongono un framework a tre fasi per la valutazione della qualità del linguaggio disartrico (DSQA) che utilizza linguaggio disartrico non etichettato e ampi dataset di linguaggio tipico. Un modello insegnante genera pseudo-etichette, seguito da un pre-addestramento debolmente supervisionato con apprendimento contrastivo basato sulle etichette, quindi un fine-tuning per DSQA. Esperimenti su cinque dataset non visti mostrano robustezza, con una baseline basata su Whisper che supera i predittori SOTA come SpICE.