Buchumschlag

Enhancing GOP in CTC-Based Mispronunciation Detection with Phonological Knowledge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Parikh, Aditya Kamlesh, Tejedor-Garcia, Cristian, Cucchiarini, Catia, Strik, Helmer
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating Logit-Based GOP Scores for Mispronunciation Detection
von: Parikh, Aditya Kamlesh, et al.
Veröffentlicht: (2025)

Rubric-Guided Fine-tuning of SpeechLLMs for Multi-Aspect, Multi-Rater L2 Reading-Speech Assessment
von: Parikh, Aditya Kamlesh, et al.
Veröffentlicht: (2026)

Zero-Shot Speech LLMs for Multi-Aspect Evaluation of L2 Speech: Challenges and Opportunities
von: Parikh, Aditya Kamlesh, et al.
Veröffentlicht: (2026)

Improving Child Speech Recognition and Reading Mistake Detection by Using Prompts
von: Gao, Lingyun, et al.
Veröffentlicht: (2025)

Reading Miscue Detection in Primary School through Automatic Speech Recognition
von: Gao, Lingyun, et al.
Veröffentlicht: (2024)

Utterance-Level Methods for Identifying Reliable ASR-Output for Child Speech
von: Lathouwers, Gus, et al.
Veröffentlicht: (2026)

Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics
von: Molenaar, Bo, et al.
Veröffentlicht: (2023)

Automatic Speech Recognition of Non-Native Child Speech for Language Learning Applications
von: Wills, Simone, et al.
Veröffentlicht: (2023)

An ASR-Based Tutor for Learning to Read: How to Optimize Feedback to First Graders
von: Bai, Yu, et al.
Veröffentlicht: (2023)

Evaluating the Effectiveness of Pre-Trained Audio Embeddings for Classification of Parkinson's Disease Speech Data
von: Postma, Emmy, et al.
Veröffentlicht: (2025)

Counterfactual Activation Editing for Post-hoc Prosody and Mispronunciation Correction in TTS Models
von: Lee, Kyowoon, et al.
Veröffentlicht: (2025)

CTC-TTS: LLM-based dual-streaming text-to-speech with CTC alignment
von: Liu, Hanwen, et al.
Veröffentlicht: (2026)

Enhancing CTC-based speech recognition with diverse modeling units
von: Han, Shiyi, et al.
Veröffentlicht: (2024)

CTC-Assisted LLM-Based Contextual ASR
von: Yang, Guanrou, et al.
Veröffentlicht: (2024)

TASU2: Controllable CTC Simulation for Alignment and Low-Resource Adaptation of Speech LLMs
von: Peng, Jing, et al.
Veröffentlicht: (2026)

CTC-GMM: CTC guided modality matching for fast and accurate streaming speech translation
von: Zhao, Rui, et al.
Veröffentlicht: (2024)

Alzheimer Disease Classification through ASR-based Transcriptions: Exploring the Impact of Punctuation and Pauses
von: Gómez-Zaragozá, Lucía, et al.
Veröffentlicht: (2023)

Disentangling Speakers in Multi-Talker Speech Recognition with Speaker-Aware CTC
von: Kang, Jiawen, et al.
Veröffentlicht: (2024)

CTC-aligned Audio-Text Embedding for Streaming Open-vocabulary Keyword Spotting
von: Jin, Sichen, et al.
Veröffentlicht: (2024)

Innovative Speech-Based Deep Learning Approaches for Parkinson's Disease Classification: A Systematic Review
von: van Gelderen, Lisanne, et al.
Veröffentlicht: (2024)

Phonology-Guided Speech-to-Speech Translation for African Languages
von: Ochieng, Peter, et al.
Veröffentlicht: (2024)

A Benchmark for Early-stage Parkinson's Disease Detection from Speech
von: Zhong, Terry Yi, et al.
Veröffentlicht: (2026)

RECA-PD: A Robust Explainable Cross-Attention Method for Speech-based Parkinson's Disease Classification
von: Zhong, Terry Yi, et al.
Veröffentlicht: (2025)

Scenario of Use Scheme: Threat Model Specification for Speaker Privacy Protection in the Medical Domain
von: Rahman, Mehtab Ur, et al.
Veröffentlicht: (2024)

PhonologyBench: Evaluating Phonological Skills of Large Language Models
von: Suvarna, Ashima, et al.
Veröffentlicht: (2024)

FlexCTC: GPU-powered CTC Beam Decoding With Advanced Contextual Abilities
von: Grigoryan, Lilit, et al.
Veröffentlicht: (2025)

Cross-modal Knowledge Transfer Learning as Graph Matching Based on Optimal Transport for ASR
von: Lu, Xugang, et al.
Veröffentlicht: (2025)

Fast Context-Biasing for CTC and Transducer ASR models with CTC-based Word Spotter
von: Andrusenko, Andrei, et al.
Veröffentlicht: (2024)

Evaluating the Usefulness of Non-Diagnostic Speech Data for Developing Parkinson's Disease Classifiers
von: Zhong, Terry Yi, et al.
Veröffentlicht: (2025)

Adaptive Knowledge Distillation for Device-Directed Speech Detection
von: Chi, Hyung Gun, et al.
Veröffentlicht: (2025)

kNN-CTC: Enhancing ASR via Retrieval of CTC Pseudo Labels
von: Zhou, Jiaming, et al.
Veröffentlicht: (2023)

Audio Deepfake Detection in the Age of Advanced Text-to-Speech models
von: Singh, Robin, et al.
Veröffentlicht: (2026)

LV-CTC: Non-autoregressive ASR with CTC and latent variable models
von: Fujita, Yuya, et al.
Veröffentlicht: (2024)

Beyond Acoustic Sparsity and Linguistic Bias: A Prompt-Free Paradigm for Mispronunciation Detection and Diagnosis
von: Geng, Haopeng, et al.
Veröffentlicht: (2026)

Mispronunciation Detection and Diagnosis Without Model Training: A Retrieval-Based Approach
von: Tu, Huu Tuong, et al.
Veröffentlicht: (2025)

Replay Attacks Against Audio Deepfake Detection
von: Müller, Nicolas, et al.
Veröffentlicht: (2025)

Studying the Effect of Audio Filters in Pre-Trained Models for Environmental Sound Classification
von: Dawn, Aditya, et al.
Veröffentlicht: (2024)

Pitch-Aware RNN-T for Mandarin Chinese Mispronunciation Detection and Diagnosis
von: Wang, Xintong, et al.
Veröffentlicht: (2024)

Less Peaky and More Accurate CTC Forced Alignment by Label Priors
von: Huang, Ruizhe, et al.
Veröffentlicht: (2024)

LCS-CTC: Leveraging Soft Alignments to Enhance Phonetic Transcription Robustness
von: Ye, Zongli, et al.
Veröffentlicht: (2025)