基於生成式AI模型之構音異常清晰度提升研究

對於聽障者來說，由於無法清楚地聽到自己和他人的說話聲音，導致他們在溝通時經常遇到困難。而這樣的溝通障礙嚴重地影響聽障者心理健康和生活品質。為了幫助聽障者克服溝通上的困難並提升其生活品質。本研究提出了ArticulationFix GAN，為了能夠避免因性別不同而造成的轉換困難，本研究將構音異常語音轉換為清晰的語音，利用2D卷積神經網絡（Convolutional NeuralNetwork, CNN）(2D CNN)判斷該語音說話者的性別，再透過專門處理該性別的ArticulationFix GAN模型進行構音轉換，從而有效地提升了語音特徵的保留和自然流暢性。研究結果表明，我們的模型在語音轉文字系統中取得了顯著的準確率提升，平均準確率達90.01%，在使用者滿意度調查中，獲得了4.80的高分（滿分5分）。這些成果不僅展示了技術上的創新，也為改善聽力障礙者的語音溝通提供了實際的應用解決方案。本研究的成果有望促進聽障者在社會交流中的品質，從而提高其生活品質和自信心。