Audio AI ÚTMUTATÓ

AI beszédnyelv-patológusok számára

A beszédnyelv-patológusok számára készült mesterséges intelligencia beszédfelismerő és -elemző alkalmazásokat, terápiás anyagokat, például szólistákat és történeteket generáló eszközöket, valamint az artikulációs gyakorlat során visszajelzést adó alkalmazásokat tartalmaz.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A mesterséges intelligencia jövője a beszédnyelv-patológusok számára
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ezekkel az eszközökkel bővíthető az otthoni gyakorlat, és csökkenthető a felkészülési idő. De az automatizált beszédelemzés a legkevésbé megbízható a rendezetlen és ékezetes beszéd SLP-k kezelésére, így a klinikusok megítélése központi marad.

Mély merülés

Az SLP-k három fő módon használják az AI-t, valamint a papírmunkát. Az első az anyagok készítése. A nyelvi modellek gyorsan létrehoznak szólistákat, mondatokat, történeteket, társadalmi forgatókönyveket és beszélgetési felhívásokat egy kiválasztott szinten és egy kiválasztott témában. A bökkenő az, hogy a modellek írott szöveggel dolgoznak, nem hangokkal. Ha a /k/-vel kezdődő szavakra kérdezünk rá, a modell tartalmazhat „kés” vagy „város” szót, mivel ezek k vagy c betűkkel kezdődnek. A /f/ szavakat kérve elhagyhatja a „telefon” szót. A klinikusnak minden listát fonetikusan ellenőriznie kell, és ellenőriznie kell a bonyolultságot is: a szótagszámot, a szóban hova esik a hang, és keveredik. A második a beszédelemzés. Az automatikus beszédfelismerés (ASR) képes a nyelvi minta első vázlatos átiratát adni, és egyes eszközök megbecsülik a beszédsebességet vagy a szüneteket. De az ASR-rendszereket többnyire tipikus felnőtt beszédre képezik. Hibaarányuk meredeken emelkedik a gyermekek és a beszédhangzavarral, dysarthriával, dadogással vagy bizonyos hangsúlyokkal küzdők esetében. Az ASR hajlamos arra is, hogy „javítsa” a beszélő által értett szó hibáit. Egy gyerek, aki azt mondja, hogy „wabbit”, „nyúl”-ként írható át, ami éppen azt a hibát rejti el, amelyet Ön mér. A Google Relate projektje és az Illinoisi Egyetem Speech Accessibility Projectje az atipikus beszéd felismerését próbálja javítani azáltal, hogy rá oktat. A harmadik a gyakorló eszközök. Az artikulációs alkalmazások gyakorlatokat és rögzítést kínálnak, egyesek pedig automatikus visszajelzést adnak arról, hogy a célhang helyes volt-e. Az automatikus visszacsatolás növelheti a gyakorlatot az ülések között, ami azért fontos, mert sok ismétlés támogatja a motoros tanulást. A pontossága azonban változó, és a rossz „helyes” jel megerősítheti a hibákat. Tesztelje egy alkalmazás visszajelzését saját fülével, mielőtt hozzárendelné. A mesterséges intelligencia a papírmunkában is segít: értékelő jelentések készítése, IEP-célok megfogalmazása és összefoglalók írása a szülőknek. Az ASHA Etikai Kódexe továbbra is megköveteli a hozzáértést és az ügyféladatok védelmét, és ez mindenre kiterjed, amit feltölt. Gyakori tévhit az, hogy egy alkalmazás pontossági pontszáma megegyezik a klinikai ítélettel. Ez egy zajos adatpont.

Valós megvalósítás

Egy SLP egy novellát kér az MI-től, tele kezdeti /s/ keverékekkel egy kilencéves gyerek számára, aki szereti a dinoszauruszokat. Ezután törli az olyan szavakat, mint a „sure” és „sugar”, ahol az s betű nem ad hangot a /s/-nek.

A klinikus rögzít egy 50 megnyilatkozásból álló nyelvmintát, és első piszkozatként automatikus átírást használ. Hallgatva javítja az átiratot, majd kiszámítja a megnyilatkozás átlagos hosszát.

Egy agyvérzés után dysarthriában szenvedő felnőtt a Google Project Relate programját használja, amely a felhasználó saját felvételeiből tanul, hogy a hangutasítások jobban működjenek otthon.

Az iskolai SLP minimális páros kártyákat hoz létre, mint például a „kulcs” és a „tea”, azoknak a gyerekeknek, akik /k/ és /t/ között vannak. Otthoni gyakorláshoz képekkel nyomtatja ki őket.

A mesterséges intelligencia jövője a beszédnyelv-patológusok számára

Az atipikus beszéd felismerése aktív kutatási terület, és az adatgyűjtési projektek idővel hasznosabbá tehetik az ASR-t dysarthriában szenvedők, gyermekek és akcentussal beszélők számára. A jobb fonéma szintű visszajelzés megbízhatóbbá teheti az otthoni gyakorlatot. Mielőtt azonban megbízhatóvá válna az előrehaladás figyeléséhez, a tanulmányoknak össze kell vetniük a képzett hallgatókkal. Az anyagok készítése valószínűleg egyre könnyebb lesz, ahogy megjelennek a klinikusok számára készült eszközök. Ami ezeket az eredményeket hatékony terápiává változtatja, az még mindig az SLP fonetikai, nyelvi fejlesztési és ügyfélcélok terén szerzett szakértelme. A nagy ügyek miatt a gondos ellenőrzés fontosabb, nem pedig kevésbé.

A gyakorlatba ültetés

Miért számít

  • Hozzáférés és elérés. Javítja a hozzáférhetőséget az átírás, a narráció és a hangfelületek révén.
  • Költség és költségvetés. A médiacsapatok kisebb költségvetéssel gyorsabban szállíthatják a csiszolt hanganyagot.
  • Sebesség és méretarány. Az ügyfélközpontú rendszerek nagyobb léptékben képesek feldolgozni a beszélt interakciókat.

Vigyázz

  • A beleegyezés hiányában nő a hanggal való visszaélés és a megszemélyesítés kockázata.
  • A pontosság csökkenhet az akcentusok, dialektusok vagy zajos környezetben.
  • A szintetikus hang összetéveszthető a hiteles beszéddel egyértelmű címkézés nélkül.

Következő lépések

  1. Kérjen kifejezett hozzájárulást a hangrögzítéshez, klónozáshoz és újrafelhasználáshoz.
  2. Tesztelje a minőséget különféle hangszórókon és háttérviszonyok között.
  3. Határozza meg, mikor kell egy embernek felülvizsgálnia vagy jóváhagynia a kimeneteket.
  4. Címkézze fel a szintetikus hanganyagot, és vezessen származási nyilvántartást az elszámoltathatóság érdekében.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI for Speech-Language Pathologists quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a mesterséges intelligencia a beszédnyelv-patológusok számára?

A beszédnyelv-patológusok számára készült mesterséges intelligencia beszédfelismerő és -elemző alkalmazásokat, terápiás anyagokat, például szólistákat és történeteket generáló eszközöket, valamint az artikulációs gyakorlat során visszajelzést adó alkalmazásokat tartalmaz. Ezekkel az eszközökkel bővíthető az otthoni gyakorlat, és csökkenthető a felkészülési idő. De az automatizált beszédelemzés a legkevésbé megbízható a rendezetlen és ékezetes beszéd SLP-k kezelésére, így a klinikusok megítélése központi marad.

Miért tartalmazhatja a „/k/ szavak” AI-listája a „kés” vagy a „város” szót?

A modellek írott szöveget dolgoznak fel, így a /k/ hang helyett a k és c betűket egyeztetik. Ezért minden listának fonetikai ellenőrzésre van szüksége.

Egy gyerek azt mondja, hogy „wabbit”, és az ASR azt írja át, hogy „nyúl”. Milyen problémát jelez ez?

Az ASR-t úgy tervezték, hogy kiadja azt a szót, amelyet a hangszóró valószínűleg jelentett. Ez segíti a diktálást, de törli azokat a beszédhibákat, amelyeket az SLP-nek látnia kell.

Az útmutató szerint mi a Google Project Relate célja?

A Project Relate az egyén saját beszédéből tanul, így a felismerés jobban működik az atipikus beszéddel rendelkező embereknél, például a példában szereplő dysarthriában szenvedő felnőtteknél.

Milyen felszólítási technikát ajánl a technikai rész a pontosabb szólistákhoz?

Az IPA láthatóvá teszi a hangokat, így észreveheti a helyesírási hibákat, a többi részlet pedig szabályozza a bonyolultságot.

Miért kell az SLP-knek tesztelniük egy artikulációs alkalmazás automatikus visszajelzését a saját fülükön?

Az automatikus visszacsatolás növeli a gyakorlatok ismétlésének számát, de ha jutalmazza a hibás produkciókat, az erősíti a hibát.