客观与主观评估扩散模型在构音障碍语音增强中的应用

客观与主观评估扩散模型在构音障碍语音增强中的应用

原文链接：Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech
作者：Dimme de Groot 等 | Interspeech 2025

---

🌟 引言：当AI听不懂“口齿不清”的人怎么办？

我们每天都在用语音助手、语音输入法、智能客服……但你有没有想过，如果一个人因为脑瘫、帕金森或ALS（渐冻症）导致说话含糊不清——也就是医学上说的构音障碍（dysarthria），这些技术还能正常工作吗？

很遗憾，大多数时候不能。现有的自动语音识别系统（ASR），比如Whisper、Siri、讯飞等，都是基于大量“标准发音”训练出来的，对异常语音的适应能力非常弱。

为了解决这个问题，研究人员开始尝试使用**语音增强技术（Speech Enhancement, SE）来“清理”和“优化”构音障碍者的语音，让它更接近普通人说话的样子。最近几年，一种叫扩散模型（Diffusion Models）**的新方法在图像生成领域大放异彩，现在也被引入到语音处理中。

这篇发表于Interspeech