Raid Al-Nima

A gaguez (gaguejar) uma perturba o comum da fala que pode continuar at idade adulta, se n o for tratada nas suas fases iniciais. A gaguez pode afetar significativamente a qualidade de vida de uma pessoa. As pessoas que gaguejam podem ter dificuldade em evitar falar e podem perder oportunidades de fazer amigos, apresentar as suas ideias e opini es em p blico e influenciar negativamente as entrevistas de emprego. Este estudo utiliza um conjunto de dados que envolve sinais de fala com gaguez, que pode ser chamado de Banco de Flu ncia (BF). Neste trabalho, proposto um algoritmo eficiente para realizar correc es de gaguez (anti-gaguez). Este algoritmo cont m t cnicas avan adas. Estas t cnicas avan adas s o o Enhanced One-dimensional Local Binary Patterns (EOLBP) e o Adapted Multi-Layer Perceptron for Regression (AMLPR). O EOLBP um extrator de caracter sticas til e o AMLPR um classificador generativo. Para al m disso, a fala coral ou de feedback fornecida utilizando estas t cnicas avan adas atrav s da alimenta o da sa da do algoritmo (fala anti-gaguez) ao ouvido do gago para proporcionar o efeito coral. Este efeito coral pode produzir um discurso fluente atrav s da boca da pessoa que gagueja, o que pode contribuir para a cura das pessoas que gaguejam.

Stottern ist eine h ufige Sprachst rung, die bis ins Erwachsenenalter andauern kann, wenn sie nicht im Fr hstadium behandelt wird. Stottern kann die Lebensqualit t eines Menschen erheblich beeintr chtigen. Stotternde Menschen k nnen sich beim Sprechen zur ckhalten und verpassen m glicherweise Gelegenheiten, Freundschaften zu schlie en, eigene Ideen und Meinungen in der ffentlichkeit zu pr sentieren und Bewerbungsgespr che negativ zu beeinflussen. In dieser Studie wird ein Datensatz verwendet, der Sprachsignale mit Stottern enth lt, er kann als Fluency Bank (FB) bezeichnet werden. In dieser Arbeit wird ein effizienter Algorithmus zur Korrektur des Stotterns (Anti-Stammering) vorgeschlagen. Dieser Algorithmus enth lt eine fortgeschrittene Technik. Diese fortgeschrittenen Techniken sind das Enhanced One-dimensional Local Binary Patterns (EOLBP) und das Adapted Multi-Layer Perceptron for Regression (AMLPR), das eine n tzliche Merkmalsextraktion darstellt, und das AMLPR ist ein generativer Klassifikator. Au erdem wird mit diesen fortschrittlichen Techniken chorische oder r ckgekoppelte Sprache erzeugt, indem die Ausgabe des Algorithmus (anti-gestammelte Sprache) an das Ohr des Stotterers geleitet wird, um den Choreffekt zu erzeugen. Dieser Choreffekt kann ber den Mund des Stotterers eine flie ende Sprache erzeugen, die zur Heilung stotternder Menschen beitragen kann.

Le b gaiement est un trouble de la parole courant qui peut persister jusqu' l' ge adulte s'il n'est pas trait un stade pr coce. Le b gaiement peut avoir un impact significatif sur la qualit de vie d'une personne. Les b gues peuvent s'abstenir de parler et g cher des occasions de se faire des amis, de pr senter leurs propres id es et opinions en public et d'exercer une influence n gative lors d'entretiens d'embauche. Cette tude utilise un ensemble de donn es comprenant des signaux vocaux avec b gaiement, que l'on peut appeler la banque de fluidit (FB). Dans ce travail, un algorithme efficace pour effectuer des corrections de b gaiement (anti-b gaiement) est propos . Cet algorithme contient des techniques avanc es. Ces techniques avanc es sont les motifs binaires locaux unidimensionnels am lior s (EOLBP) et le perceptron multicouche adapt pour la r gression (AMLPR). L'EOLBP permet d'extraire des caract ristiques utiles et l'AMLPR est un classificateur g n ratif. En outre, l'utilisation de ces techniques avanc es permet d'obtenir une parole chorale ou en retour en envoyant la sortie de l'algorithme (parole anti-b gaiement) l'oreille du b gue pour obtenir l'effet choral. Cet effet choral peut produire une parole fluide via la bouche du b gue, ce qui peut contribuer gu rir les personnes qui b gaient.

La balbuzie un comune disturbo del linguaggio che pu protrarsi fino all'et adulta, se non viene trattato nelle sue fasi iniziali. La balbuzie pu avere un impatto significativo sulla qualit della vita di una persona. I balbuzienti possono avere problemi ad astenersi dal parlare e possono perdere l'opportunit di fare amicizia, di presentare le proprie idee e opinioni in pubblico e di influenzare negativamente i colloqui di lavoro. Questo studio utilizza un set di dati che comprende segnali vocali con balbuzie, chiamato Fluency Bank (FB). In questo lavoro, viene proposto un algoritmo efficiente per eseguire correzioni di balbettio (anti-balbettio). Questo algoritmo contiene tecniche avanzate. Queste tecniche avanzate sono l'Enhanced One-dimensional Local Binary Patterns (EOLBP) e l'Adapted Multi-Layer Perceptron for Regression (AMLPR). L'EOLBP un'utile estrazione di caratteristiche e l'AMLPR un classificatore generativo. Inoltre, l'uso di queste tecniche avanzate consente di ottenere un parlato corale o di feedback, inviando l'output dell'algoritmo (parlato anti-stammer) all'orecchio del balbuziente per ottenere un effetto corale. Questo effetto corale pu produrre un discorso fluente attraverso la bocca del balbuziente che pu contribuire a curare le persone balbuzienti.

Stammering (stuttering) is a common speech disorder that may continue until adulthood, if not treated in its early stages. Stammering can significantly impact the quality of a person's life. Stammerers may affect in refraining from speaks and may waste opportunities to make friends, present own ideas and opinions in public, and negatively influence in job interviews. This study uses a dataset that involves speech signals with stammering, it can be called the Fluency Bank (FB). In this work, an efficient algorithm to perform stammering corrections (anti-stammering) is proposed. This algorithm contains an advanced techniques. These advanced techniques are the Enhanced One-dimensional Local Binary Patterns (EOLBP) and Adapted Multi-Layer Perceptron for Regression (AMLPR). The EOLBP is a useful feature extraction and the AMLPR is a generative classifier. Besides, choral or feedback speech is supplied by using these advanced techniques through feeding the algorithm's output (anti-stammered speech) to the stammerer's ear to provide the choral effect. This choral effect can produce a fluent speech via the stammerer's mouth that can contribute to curing people who stutter.