Detecção de Sigmatismo com a ajuda da Aprendizagem de Máquina

A pesquisa é dedicada à detecção automática do sigmatismo na fala de falantes adultos de alemão. Tem dois grandes propósitos: (1) encontrar um conjunto óptimo de características de áudio que permitam distinguir entre fala normal e fala desordenada; (2) criar um algoritmo de classificação Machine Learning (ML) capaz de analisar características extraídas e detectar sigmatismo ao nível do telefone.Os recursos são selecionados de acordo com o fundo fonético dos sons considerados.Eles incluem os três primeiros formantes, amplitude do meio-raiz-quadrado (RMS), picos espectrais, centróide espectral, espessamento espectral e os 12 primeiros coeficientes cepstral de mel-frequência (MFCCs).Três métodos ML são considerados para a detecção do sigmatismo: Máquina Vectorial de Suporte, Processo Gaussiano, e Redes Neurais. O processo de extração de características bem como a classificação automática são conduzidos através de scripts Python. Como resultado, o modelo baseado em SVM com o kernel RBF mostrou a maior taxa de precisão de 90,6 %.