arXiv cs.CL· Zhonghao Shi, Zackary Rackauckas, Jasmine Yip, Savannah Halpern, Simon Campos, Lauren Brace, Emma Yang, Tiantian Feng, Xuan Shi, Shrikanth Narayanan, Teresa Satterfield, Ying Xu·· 2 天前AI 评分25
PEDBench：语音模型能否检测音素错误？
PEDBench: Can Speech Models Detect Phonetic Errors?
AI 导读
研究者推出首个音素错误检测（PED）基准 PEDBench，涵盖儿童真实发音错误（N=334）、演员脚本化错误（N=1,188）和 phone-conditioned TTS 合成错误（N=1,083），全部标注经两名音素训练标注员核验。
正文 · AI 翻译
作者：Zhonghao Shi、Zackary Rackauckas、Jasmine Yip、Savannah Halpern、Simon Campos、Lauren Brace、Emma Yang、Tiantian Feng、Xuan Shi、Shrikanth Narayanan、Teresa Satterfield、Ying Xu
摘要：音素错误检测（PED）旨在识别音素级别的替换、删除和插入，对于教育和临床语音评估与干预至关重要。尽管语音模型在音素识别方面取得了近期进展，但由于缺乏高质量的评估数据，其可靠检测细粒度音素错误的能力仍不明确。为填补这一空白，我们推出了 PEDBench，这是首个涵盖从自然语音到受控语音连续谱的 PED 基准。它包含儿童真实发音错误的录音（N=334）、人类演员按脚本产生的错误发音（N=1,188），以及使用音素条件文本转语音生成的合成错误发音（N=1,083）。所有音素标注均由两名受过音素训练的标注员转写并验证。我们对 13 个最先进语音模型的评估表明，它们无法可靠地检测音素错误，即使在声学变异性降低的受控条件下（使用表演和合成语音）也是如此。这些模型还表现出低精确率，经常将正确发音的音素误判为错误。我们基于合成数据微调的语音语言模型在词级 PED 上优于商业和开源基线，但仍存在模拟到真实的域差距。我们计划公开发布我们的代码和配方，以及表演和合成数据集，以支持开发更准确的 PED 系统。
| 评论： | 21 页，10 张图 |
| 主题： | 计算与语言（cs.CL）；声音（cs.SD） |
| 引用为： | arXiv:2610.20830 [cs.CL] |
| （或 arXiv:2610.20830v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20830 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zackary Rackauckas [查看电子邮件]
[v1]
2026年10月14日星期三 19:15:48 UTC（6,201 KB）
来源：arXiv cs.CL · arxiv.org