VolgendeVolgende gids
Annotatie van spraak- en audiogegevens
Audio-AI
Audio AI-GIDS
AI voor logopedisten omvat spraakherkennings- en analyse-apps, tools die therapiemateriaal genereren zoals woordenlijsten en verhalen, en apps die feedback geven tijdens articulatieoefeningen.
Luister naar deze gidsAI-verteld · ~3 min
Deze hulpmiddelen kunnen de thuisoefening uitbreiden en de voorbereidingstijd verkorten. Maar geautomatiseerde spraakanalyse is het minst betrouwbaar voor de ongeordende en geaccentueerde spraak die SLP's behandelen, dus het oordeel van de arts blijft centraal staan.
SLP's gebruiken AI op drie belangrijke manieren, plus papierwerk. De eerste is het maken van materialen. Taalmodellen produceren snel woordenlijsten, zinnen, verhalen, sociale scenario's en gespreksaanwijzingen op een gekozen niveau en rond een gekozen thema. Het addertje onder het gras is dat modellen met geschreven tekst werken en niet met geluiden. Gevraagd naar woorden die beginnen met /k/, kan een model 'mes' of 'stad' bevatten, omdat ze beginnen met de letters k of c. Gevraagd naar /f/ woorden, kan 'phone' worden weggelaten. De arts moet elke lijst fonetisch controleren en ook de complexiteit controleren: het aantal lettergrepen, waar de klank in het woord valt en in elkaar overgaat. De tweede is spraakanalyse. Automatische spraakherkenning (ASR) kan een eerste schets van een taalvoorbeeld opleveren, en sommige tools schatten metingen zoals spreeksnelheid of pauzes. Maar ASR-systemen zijn vooral getraind op typische volwassen spraak. Hun foutenpercentages stijgen sterk voor kinderen en voor mensen met spraak-, geluidsstoornissen, dysartrie, stotteren of bepaalde accenten. ASR heeft ook de neiging fouten te 'corrigeren' in het woord dat de spreker bedoelde. Een kind dat 'wabbit' zegt, kan worden getranscribeerd als 'konijn', wat de fout verbergt die u meet. Google's Project Relate en het Speech Accessibility Project aan de Universiteit van Illinois proberen de herkenning van atypische spraak te verbeteren door er training in te geven. De derde is oefentools. Articulatie-apps bieden oefeningen en opnames, en sommige geven automatische feedback over de vraag of het doelgeluid correct was. Automatische feedback kan de oefening tussen sessies vergroten, wat belangrijk is omdat veel herhalingen het motorisch leren ondersteunen. Maar de nauwkeurigheid ervan varieert, en een verkeerd 'correct' signaal kan fouten versterken. Test de feedback van een app met uw eigen oren voordat u deze toewijst. AI helpt ook bij het papierwerk: het opstellen van evaluatierapporten, het formuleren van IEP-doelstellingen en het schrijven van samenvattingen voor ouders. ASHA's Ethische Code vereist nog steeds competentie en bescherming van klantinformatie, en dat geldt voor alles wat u uploadt. Een veel voorkomende misvatting is dat de nauwkeurigheidsscore van een app hetzelfde is als een klinisch oordeel. Het is een luidruchtig datapunt.
Een SLP vraagt AI om een kort verhaal vol initiële /s/-mengsels voor een negenjarige die van dinosaurussen houdt. Vervolgens verwijdert ze woorden als 'zeker' en 'suiker', waarbij de letter s niet de /s/ klank maakt.
Een arts neemt een taalvoorbeeld van 50 uitspraken op en gebruikt automatische transcriptie als eerste versie. Ze corrigeert de transcriptie door te luisteren en berekent vervolgens de gemiddelde lengte van de uiting.
Een volwassene met dysartrie na een beroerte gebruikt Google's Project Relate, dat leert van de eigen opnames van de gebruiker, om spraakopdrachten thuis beter te laten werken.
Een school-SLP genereert minimale paarkaarten, zoals 'sleutel' en 'thee', voor een kind dat van /k/ naar /t/ gaat. Ze drukt ze af met afbeeldingen om thuis te oefenen.
Het herkennen van atypische spraak is een actief onderzoeksgebied, en projecten voor het verzamelen van gegevens kunnen ASR in de loop van de tijd nuttiger maken voor mensen met dysartrie, kinderen en sprekers met accenten. Betere feedback op foneemniveau zou het oefenen thuis betrouwbaarder kunnen maken. Voordat het echter kan worden vertrouwd voor voortgangsmonitoring, zullen studies het moeten vergelijken met getrainde luisteraars. Het maken van materialen zal waarschijnlijk steeds eenvoudiger worden naarmate er tools verschijnen die speciaal voor artsen zijn ontwikkeld. Wat deze uitkomsten omzet in effectieve therapie is nog steeds de expertise van de SLP op het gebied van fonetiek, taalontwikkeling en cliëntdoelen. Door de grote werkdruk wordt zorgvuldige controle belangrijker, niet minder.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
AI voor logopedisten omvat spraakherkennings- en analyse-apps, tools die therapiemateriaal genereren zoals woordenlijsten en verhalen, en apps die feedback geven tijdens articulatieoefeningen. Deze hulpmiddelen kunnen de thuisoefening uitbreiden en de voorbereidingstijd verkorten. Maar geautomatiseerde spraakanalyse is het minst betrouwbaar voor de ongeordende en geaccentueerde spraak die SLP's behandelen, dus het oordeel van de arts blijft centraal staan.
Modellen verwerken geschreven tekst, zodat ze letters als k en c matchen in plaats van de /k/-klank. Daarom heeft elke lijst een fonetische controle nodig.
ASR is ontworpen om het woord weer te geven dat de spreker waarschijnlijk bedoelde. Dat helpt bij het dicteren, maar wist de spraakfouten die een SLP moet zien.
Project Relate leert van iemands eigen spraak, zodat herkenning beter werkt voor mensen met atypische spraak, zoals de volwassene met dysartrie in het voorbeeld.
IPA maakt de geluiden zichtbaar, zodat u spelfouten kunt opmerken, terwijl de andere details de complexiteit beheersen.
Automatische feedback verhoogt het aantal oefenherhalingen, maar als het onjuiste producties beloont, versterkt het de fout.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Annotatie van spraak- en audiogegevens
Audio-AI