Munn

Patrick Munnich*，Stefanie Dederichs，Paula Klein和Carl Bruno Figura语音清晰度：实时监控的横向LISP检测

摘要：在语音中纠正LISP对许多人来说可能会非常困难，因为它们可能没有意识到它们是否正在倾斜。为了帮助受影响的人，我们已经开发了一种简单的算法，以实时识别sigmatismus flashalis在“ s”声音中通过频域中的分析中的语音声音。算法在校准后识别LISP频带内的峰值。已经确定了3000-4000 Hz的频带对于LISP通常是准确的，对于单个男性测试对象，对于lisp而言，对于lisp的频段来说，频段为2500-3000 Hz。将语音记录分为较小的段，并比较了这些段中检测到的LISP和非LISP的数量以分类。从测试中，确定的段长度为0.5 s会产生最佳结果。该算法并未检测到每个LISP部分，但是它不会引起误报。我们在朱莉娅（Julia）的实施，具有多线程的每文件分析能够在高通Snapdragon 860智能手机芯片组上分析5 s至10 s长度之间的20个长度的文件，这意味着分析的速度远远快。提出的算法是一种简单的原型算法，能够在频域中对音频进行实时分析，以识别给定窗口中横向Lisps是否是主导的发音。该方法仅针对单个测试主题进行测试。但是，提出了向新个体调整参数的校准算法。该算法本身应该很容易扩展，以识别其他语音障碍。