Beszédterápiát segíthet az a módszer, ami a mássalhangzók szerepét méri
A kutatók az MMR-módszert négy nyelven – angol, spanyol, német és cseh – tesztelték, és kimutatták, hogy a módszer a fonémák gyakoriságával negatívan, a funkcionális terheléssel pedig pozitívan korrelál.
Új, skálázható módszert mutat be egy arXiv-prepriint, amely a mássalhangzók szavak megértésében játszott szerepét kvantifikálja akusztikus maszkolással. A kutatók egy-egy mássalhangzót némítanak el egy szóban, majd tesztelik, hogy egy automatikus beszédfelismerő (ASR) modell továbbra is felismeri-e a szót. A mássalhangzó hozzájárulási pontszámát a maszkolt példányok arányában határozzák meg, amelyeknél a szó félreismertté válik — ezt a megközelítést mask-induced misrecognition rate-nek (MMR) nevezik — írja a kutatás. (ArXiv NLP)
Validálás és korrelációk
Az elemzést négy nyelven – angol, spanyol, német és cseh – végezték, három különböző ASR architektúrát használva: az MMS (encoder-only), a Whisper (encoder-decoder) és a Qwen3-ASR (LLM-alapú) modelleket. A konszonáns rangsorok nyelvspecifikusak, ami azt jelzi, hogy a mássalhangzók hozzájárulása függ a nyelvtől – a szerzők szerint.
Modellrobusztusság
A kutatók validálták az MMR-t két lingvisztikai tényezővel: a fonémák gyakoriságával és a funkcionális terheléssel, amelyekről korábban is beszámoltak, hogy korrelálnak a mássalhangzók hozzájárulásával. Az MMR negatívan korrelál a fonémák gyakoriságával, míg pozitívan a funkcionális terheléssel – a szerzők szerint. Ez azt jelenti, hogy a gyakoribb mássalhangzók kevésbé zavaróak, ha elnémítják őket, míg a több lexikai kontrasztot hordozó mássalhangzók jobban megzavarják a felismerést.
A módszer robusztusságát az eltérő ASR architektúrákban való alkalmazásával is tesztelték. A nyelvek közötti összehasonlítás azt mutatja, hogy a mássalhangzók fontossági sorrendje nem következetes, ami arra utal, hogy a mássalhangzók szerepe az érthetőségben nyelvenként eltérő. A kutatás eredményeit az arXiv-en tették közzé.