Self-Supervised Speech Representations Track Spoken Language Convergence to Adult Models in Infants and Children Who Are Deaf/Hard-of-Hearing
Cette étude démontre que les plongements de parole auto-supervisés peuvent suivre efficacement la convergence des modèles de langage parlé entre les enfants sourds ou malentendants et leurs soignants à l'aide d'enregistrements acoustiques du quotidien, offrant ainsi une alternative évolutive et neutre sur le plan linguistique aux méthodes d'évaluation traditionnelles.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le langage est une chose vivante qui croît et change, façonnée par les sons qu'un enfant entend chaque jour. Depuis des décennies, les scientifiques savent que les enfants apprennent progressivement à parler comme les adultes qui les entourent, un processus appelé convergence. Traditionnellement, suivre cette marche lente vers la parole adulte était une tâche laborieuse. Les chercheurs devaient s'asseoir devant des heures d'enregistrements audio, transcrivant manuellement chaque mot et chaque son produit par l'enfant, un processus qui exigeait des connaissances expertes et ne pouvait être réalisé que pour une infime fraction des langues du monde. Ce goulot d'étranglement signifiait que la compréhension du développement des enfants, en particulier ceux ayant des difficultés d'audition, restait lente et difficile à généraliser. Cependant, une nouvelle approche est apparue, qui contourne totalement le besoin de transcription humaine, en examinant plutôt les motifs acoustiques bruts de la parole pour voir à quel point la voix d'un enfant reflète les voix de ses soignants.
Dans une étude récente, des chercheurs de l'Université de Stanford ont appliqué cette nouvelle méthode à un groupe d'enfants sourds ou malentendants. Ces enfants, dont l'âge varie de la petite enfance à l'âge préscolaire, utilisent des aides auditives ou des implants cochléaires pour accéder au son, mais leur parcours vers le langage peut être inégal et difficile. L'équipe voulait savoir si elle pouvait mesurer la capacité de ces enfants à rattraper la parole adulte simplement en analysant les ondes sonores de leur vie quotidienne, sans avoir besoin de savoir quels mots spécifiques étaient prononcés. Pour ce faire, ils ont équipé 34 enfants d'un dispositif d'enregistrement spécialisé porté dans un vêtement, capable de capturer jusqu'à 16 heures d'audio à la fois pendant que les enfants poursuivaient leurs activités normales. Au total, l'équipe a rassemblé plus de 925 heures d'enregistrements, créant une immense bibliothèque de sons quotidiens provenant des enfants et des femmes adultes qui s'en occupaient.
Les chercheurs ont utilisé un modèle informatique entraîné à comprendre la structure de la parole humaine, un outil qui convertit le son en une représentation mathématique appelée « embedding ». Imaginez ce processus comme le fait de placer chaque son produit par une personne sur une vaste carte invisible où les sons similaires sont proches les uns des autres et les sons différents sont éloignés. L'équipe a cartographié les sons produits par les enfants et les a comparés à une carte centrale des sons produits par les femmes adultes présentes dans les enregistrements. Ils ont mesuré la distance entre les sons de l'enfant et les sons de l'adulte sur cette carte. L'idée centrale était simple : à mesure qu'un enfant apprend à parler, sa voix devrait ressembler davantage à celle d'un adulte, ce qui signifie que la distance entre ses sons sur cette carte devrait diminuer.
Les résultats ont confirmé que cette distance diminue effectivement à mesure que l'enfant gagne de l'expérience avec l'audition. L'étude a mesuré l'« âge de l'audition », qui est le temps pendant lequel un enfant a eu accès à un son amplifié grâce à ses appareils, plutôt que sa simple date de naissance. L'analyse a montré un schéma clair : plus un enfant utilisait ses aides auditives ou ses implants depuis longtemps, plus les sons de sa parole se rapprochaient des sons produits par les adultes qui l'entouraient. Cette convergence se produisait même lorsque les chercheurs prenaient en compte d'autres facteurs, tels que la hauteur de la voix de l'enfant ou la durée de ses vocalisations. Les conclusions suggèrent que le modèle informatique parvenait à capturer les manières subtiles dont la structure de la parole des enfants mûrit au fil du temps, passant de sons précoces et moins organisés vers les schémas complexes de la parole adulte.
Au-delà du simple suivi du passage du temps, les chercheurs ont testé si cette mesure de similitude sonore pouvait prédire la réussite réelle d'un enfant lors de tests de langage standardisés. Ils ont comparé la distance sur leur carte sonore aux scores obtenus lors de tests mesurant la taille du vocabulaire et la capacité à prononcer précisément les sons consonantiques. L'étude a révélé que les enfants dont les sons de parole étaient plus proches du modèle adulte sur la carte avaient également tendance à avoir un vocabulaire plus étendu et de meilleures capacités d'articulation. Cela s'est avéré vrai tant pour les mots compris par les enfants que pour les mots qu'ils pouvaient dire. La mesure était particulièrement robuste pour prédire la capacité d'un enfant à former des sons consonantiques, une étape clé du développement de la parole. Crucialement, les chercheurs ont testé la fiabilité de leur méthode en simulant les erreurs qui pourraient survenir lorsqu'un ordinateur tente de distinguer la voix d'un enfant de celle d'un adulte dans une pièce bruyante. Même en introduisant ces erreurs simulées, le résultat principal est resté stable, suggérant que la méthode est suffisamment robuste pour fonctionner avec des enregistrements réels et désordonnés.
L'étude ne prétend pas que cette nouvelle métrique puisse remplacer le travail minutieux des orthophonistes ou qu'elle puisse diagnostiquer seule des troubles spécifiques du langage. Les chercheurs précisent avec prudence que leur méthode mesure la structure acoustique de la parole, ce qui est lié, mais non identique, à toute la complexité du langage. Elle ne peut pas encore nous dire si un enfant comprend une règle grammaticale spécifique ou s'il peut produire un type de mot spécifique. Cependant, ce travail offre un nouvel outil puissant pour observer le développement du langage d'une manière évolutive et neutre vis-à-vis de la langue. En éliminant le besoin de transcriptions coûteuses et de linguistes experts, cette approche ouvre la voie à la surveillance des progrès de beaucoup plus d'enfants, en particulier ceux ayant une perte auditive, en utilisant les sons naturels de leur vie quotidienne. Elle suggère que le chemin pour comprendre comment les enfants apprennent à parler peut se trouver non seulement dans les mots qu'ils disent, mais aussi dans la forme même des sons qu'ils produisent.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.