指導教授：賴穎暉

研究生：陳政宇

出版年：2021

校院與系所名稱：國立陽明大學 生物醫學工程學系

摘要：

構音障礙主要是腦部神經訊號傳遞產生問題而導致患者無法對言語肌肉精確控制，進而使得說出的話語不清晰讓人難以理解。近年，透過語音驅動的方法不斷被提出並試圖改善患者語音清晰度。目前常見系統仍需要大量患者及目標語者的語料來強化系統成效，而這也直接造成患者與目標語者使用負擔。有鑑於此，本論文提出DVC 3.1系統來試圖減緩患者及目標語者的錄音負擔並強健轉換效益，我們透過文字轉語音(text-to-speech)與多對多語音轉換模型來生成大量類患者及目標語者語料。隨後，我們透過語音後驗概率特徵(phonetic posteriorgrams, PPGs)及Gated CNN模型來對患者語音特徵進行轉換。最後，我們再透過WaveGlow技術將轉換後的特徵轉成語音。透過主、客觀測試證明，DVC 3.1可提升二位患者語音由原先17.81%及40.14%辨識率提升至轉換後的80.24%及83.44% (透過Google ASR評估)。此外，由聽力測試結果更進一步證明DVC 3.1能顯著的提升患者的語音理解能力並獲得較佳之語音自然度表現。綜合上述研究結果證明，本研究提出之DVC 3.1能在不增加錄音負擔情況下仍能提升患者的語音清晰度來改善患者的溝通效益。

文獻連結