用“循序渐进+分班教学”提升口齿不清者的语音识别

Dysarthric Speech Recognition Using Curriculum Learning and Multi-stream Architecture：用“循序渐进+分班教学”提升口齿不清者的语音识别

你有没有试过听一个人说话，明明他努力在表达，但你就是听不清楚？这种情况在患有**构音障碍（dysarthria）**的人群中非常常见。这种疾病通常由脑损伤或神经系统疾病（如帕金森病、脑瘫）引起，导致发音肌肉无力或失控，使得说话含糊、语速异常、节奏混乱。

对于普通人来说可能只是沟通困难，但对于自动语音识别（ASR）系统而言，这简直是一场“灾难”。现有的主流语音识别模型大多是在清晰、标准的语音数据上训练出来的，面对构音障碍者的语音时，错误率往往高得惊人。

今天我们要解读的这篇发表于 Interspeech 2025 的论文《Dysarthric Speech Recogn