La disartria, un trastorno motor del habla, afecta la inteligibilidad y requiere intervenciones específicas para una comunicación efectiva. En este trabajo, investigamos la retroalimentación automatizada sobre malas pronunciaciones al recopilar un conjunto de datos de habla disártrica de seis hablantes leyendo dos pasajes, anotados por un terapeuta del habla con marcadores temporales y descripciones de malas pronunciaciones. Diseñamos un marco de tres etapas para la evaluación explicable de malas pronunciaciones: (1) puntuación de claridad general, (2) localización de malas pronunciaciones y (3) clasificación de tipos de malas pronunciaciones. Analizamos sistemáticamente modelos de Reconocimiento Automático de Habla (ASR) preentrenados en cada etapa, evaluando su efectividad en la evaluación del habla disártrica (Código disponible en: https://github.com/augmented-human-lab/interspeech25ₛpeechtherapy, Página web complementaria: https://apps.ahlab.org/interspeech25ₛpeechtherapy/). Nuestros hallazgos ofrecen perspectivas clínicamente relevantes para automatizar retroalimentación accionable para la evaluación de pronunciación, lo que podría permitir la práctica independiente para los pacientes y ayudar a los terapeutas a proporcionar intervenciones más efectivas.
Park et al. (Sat,) estudiaron esta cuestión.