Détection du sigmatisme à l'aide de l'apprentissage automatique

La recherche est consacrée à la détection automatique du sigmatisme dans le discours des adultes de langue allemande. Elle a deux objectifs principaux : (1) trouver un ensemble optimal de caractéristiques audio permettant de distinguer la parole normale de la parole désordonnée ; (2) créer un algorithme de classification par apprentissage machine (ML) capable d'analyser les caractéristiques extraites et de détecter le sigmatisme au niveau du téléphone.Les caractéristiques sont sélectionnées en fonction du contexte phonétique des sons considérés.Il s'agit des trois premiers formants, de l'amplitude quadratique moyenne (RMS), des pics spectraux, du centroïde spectral, de l'asymétrie spectrale et des 12 premiers coefficients cepstraux de fréquence mél (MFCC).Trois méthodes ML sont considérées pour la détection du sigmatisme : La machine à vecteurs de support, le processus gaussien et les réseaux neuronaux. Le processus d'extraction des caractéristiques ainsi que la classification automatique sont réalisés via des scripts Python. Le résultat est que le modèle basé sur le SVM avec le noyau RBF a montré le taux de précision le plus élevé, soit 90,6 %.