识别用于文本输入技术的听觉区分短语集

文献标题

Identifying an Aurally Distinct Phrase Set for Text Entry Techniques

文献信息

• 主题领域: 人机交互、无视觉文本输入系统、文本转语音技术
• 关键词: text entry, accessibility, text-to-speech (TTS), synthesized speech, input techniques, phrases corpus

研究背景与问题

• 发现的问题或挑战:

  • 对盲人或低视力用户而言，传统文本输入任务要求视觉交互，这限制了其可及性。
  • 现有文本输入研究中使用的短语集无法保证在语音提供时的清晰性理解。
  • 缺乏明确标准的短语语料库来测试无视觉文本输入技术。

• 重要性:

  • 无视觉文本输入技术能够让盲人或低视力用户在便携设备上更高效地输入文本。
  • 准确无误的短语语料库是评估此类技术性能和帮助设计加强可用性方案的基础。

• 研究动机与相关工作:

  • 探讨如何创建或筛选出具有听觉区分能力的短语集，以用于无视觉文本输入领域。
  • 基于已有的文本输入短语集（MacKenzie和Soukoref的500短语集），研究如何优化其在语音场景中的可理解性。

解决方案

• 提出的方法或解决方案:

  • 研究团队采用了现有的短语集，通过微软和苹果两种文本转语音系统生成语音文件。
  • 使用亚马逊Mechanical Turk平台的参与者和目标人群（盲人或低视力用户）进行试听和转录实验，筛选出听觉区分能力高的短语。

• 创新之处:

  • 提出了一种基于语音生成和人工参与的数据驱动短语筛选方法。
  • 明确了短语的误差类型（例如拼写错误、空间错误、理解错误等），从而为未来的语料设计提供规范。
  • 建立了一个包含92个短语的低理解错误率语料库。

• 实施步骤与技术:

  • 语音生成: 使用苹果macOS和微软Windows文本转语音技术生成500个短语在两种性别发音下的语音文件。
  • 实验1:
    • 从Amazon Mechanical Turk平台招募参与者，收集总计约17,421条转录数据。
    • 使用Levenshtein距离进行自动化分析，结合人工编码对不同类型错误分类。
    • 筛选出96个无理解错误的短语。
  • 实验2:
    • 招募目标群体（80名盲人或低视力用户）进行听力测试。
    • 验证短语的听觉清晰性，最终筛选出92个无理解错误短语。

研究成果

• 具体成果:

  • 筛选出一个包含92个具有听觉区分能力的短语集，可用于无视觉文本输入研究。
  • 提出了九种转录错误分类，包括理解错误、拼写错误、额外空格错误、数字错误等，并建立了分类标准。

• 现有解决方案的优势:

  • 与原始短语集相比，筛选出的短语显著减少了语音转录中的理解错误。
  • 提供了可重复的语音生成和错误分类方法，以支持后续语料库扩展及应用研究。

• 实验或评估结果:

  • 第一轮实验：96个短语在多语音版本中无理解错误，平均准确率较高（最高达77.51%）。
  • 第二轮实验：92个短语通过盲人或低视力群体验证，准确率显著提高，错误率下降至23.85%。

• 局限性与未来方向:

  • 局限性：
    • 参与者样本量较小，可能不代表广泛人群的行为。
    • 确定的语料库仅适用于英语，未来需要支持其他语言。
    • 因人手编码，可能存在主观性偏差。
  • 未来方向：
    • 开发更广泛的、跨语言的具有听觉区分能力的短语语料库。
    • 探索文本转语音技术中不同语音配置对用户理解的影响。
    • 测试新短语在具体设备和无视觉交互场景中的实际使用效果，例如调整语速等优化方案。