基于机器学习的刺激研究用于儿童言语错误的矫正

有言语声音障碍（SSD）的儿童在正确发音方面表现出困难，并且与其年龄匹配的同龄人相比，可能表现出较差的言语感知能力；然而，言语感知技能的群体差异仍然在很大程度上没有解释。言语产生的发育模型认为，儿童在自己言语中区分正确与错误发音的能力可能对于开发准确的语言产生至关重要。历史上，当儿童经常发错音时，基本上不可能评估他们在自己的言语中是否感知到正确与错误的发音，从而创建了临床困境。我们如何评估儿童在无法正确发音的情况下感知自己发音准确性的能力？最近的技术发展允许对儿童的言语进行声学改变，数字上纠正语音错误，同时保留儿童声音的自然特征。这种基于机器学习的刺激可以作为训练和反馈工具，用于治疗有言语声音障碍的儿童。因此，本研究的目的是评估与自然语音样本相比，声学改变的儿童言语的声学和感知准确性。