构音障碍语音识别的解码策略研究

来源：电子测量技术杂志2025年第8期北京时间：

作者：樊紫岩，朱耀东，赵伟岚，李轩逸

单位：1.浙江理工大学计算机科学与技术学院 杭州 310018;2.嘉兴大学机械工程学院 嘉兴 314001; 3.浙江理工大学信息科学与工程学院 杭州 310018

摘要：构音障碍语音是神经病变导致患者发音器官产生运动障碍因而发音和韵律异常的语音，给传统自动语音识别系统带来了巨大挑战。为此，本研究提出了一种结合多层表征融合解码策略和热词增重技术的创新算法。在基于Transformer架构的编码器解码器模型上，改进传统的单视角解码方式为多层次表征融合，通过3种表征融合策略有效增强了模型对语境和复杂句子的理解能力。同时，为进一步提升构音障碍语音的识别精度，本文将热词增重技术集成到波束搜索解码过程中，针对关键词赋予更高权重。实验在TORGO和UASpeech数据集上进行，结果表明与其他基准模型相比，该方法显著降低了WER。其中与Whisper基准模型比较，在UASpeech数据集上WER从38.31%降低至27.18%，在TORGO数据集上WER从16.38%降低至12.67%，证明了该方法在提升构音障碍语音识别精度方面的有效性。

关键词：表征融合;构音障碍;语音识别;热词增重

基金资助：浙江省重点研发计划项目（2017C01043）、浙江省医学电子与数字健康重点实验室项目（MEDH202206）资助