电气工程与系统科学 > 音频与语音处理
[提交于 2025年9月3日
]
标题: 基于大型语言模型的助听器零样本非侵入性语音可懂度研究
标题: A Study on Zero-Shot Non-Intrusive Speech Intelligibility for Hearing Aids Using Large Language Models
摘要: 这项工作专注于使用大型语言模型(LLMs)对助听器(HA)进行零样本非侵入式语音评估。 具体而言,我们引入了GPT-Whisper-HA,这是GPT-Whisper的一个扩展,GPT-Whisper是一个基于LLMs的零样本非侵入式语音评估模型。 GPT-Whisper-HA专为助听器的语音评估设计,结合了MSBG听力损失和NAL-R模拟,根据每个个体的听力图处理音频输入,两个自动语音识别(ASR)模块用于音频到文本的表示,以及GPT-4o来预测两个相应的分数,随后对分数进行平均以获得最终估计分数。 实验结果表明,GPT-Whisper-HA相比GPT-Whisper在相对均方根误差(RMSE)上提高了2.59%,证实了LLMs在预测助听器用户主观可懂度方面的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.