Когда начался Speech Accessibility Project, крупнейшая база атипичной речи включала 16 человек с детским церебральным параличом; к концу сентября 2025 года записи проекту передали около 2 000 участников (Speech Accessibility Project, 2025 и 2026). Project Euphonia от Google, второй крупный корпус, к февралю 2025 года достиг более 1,5 миллиона высказываний примерно от 3 000 дикторов, но закрыт для сторонних команд (Martin и др., Frontiers in Language Sciences 2025; Google Project Euphonia). Больше данных пока не устранило разрыв: в тестировании 2026 года восьми систем ИИ типичная речь оставалась ниже 5% доли ошибочных слов (WER, доля слов, которые система распознаёт неверно), тогда как при тяжёлой дизартрии у каждой системы она превышала 51% (Alsayegh и Masood, International Journal of Intelligent Systems 2026). Мы собрали данные Speech Accessibility Project из Института Бекмана Иллинойсского университета, Google Research, Linguistic Data Consortium, NIDCD, ASHA и более чем десятка рецензируемых статей. Наша статистика предвзятости распознавания речи к акцентам показывает, как эти ошибки соотносятся с разрывами по расе, диалекту и акценту; этот обзор рассматривает сами наборы данных: насколько они велики, кто в них представлен и как они влияют на долю ошибок.
Кратко (TL;DR)
- К концу сентября 2025 года записи Speech Accessibility Project передали около 2 000 человек (Speech Accessibility Project, 2026).
- В феврале 2025 года Project Euphonia насчитывал более 1,5 миллиона высказываний примерно от 3 000 дикторов, и Google не передаёт их за пределы компании (Martin и др., Frontiers in Language Sciences 2025).
- TORGO, стандартный эталонный набор с 2012 года, содержит 8 дикторов с дизартрией и около 23 часов аудио (Linguistic Data Consortium, LDC2012S02).
- UA-Speech в 2008 году записал 19 дикторов с детским церебральным параличом, и 16 остаются в текущем распространении (Иллинойсский университет, UA-Speech 2008).
- Для болезни Паркинсона, детского церебрального паралича, БАС, синдрома Дауна и инсульта в Speech Accessibility Project планировалось по 400 участников (ClinicalTrials.gov NCT05889260).
- Дикторы с БАС составляли 39,2% исследовательской подвыборки Euphonia из 195 дикторов против 10,8% при болезни Паркинсона (Tobin и Tomanek, Google 2021).
- Все восемь систем ИИ превысили 51% WER при тяжёлой дизартрии на TORGO (Alsayegh и Masood, IJIS 2026).
- Доля ошибочных символов Whisper-Turbo без адаптации на UA-Speech составила 9,3% для контрольных дикторов и 165,2% для дизартричных дикторов (de Groot и др., TU Delft 2025).
- Дообучение USM от Google на нарушенной речи снизило WER для тяжёлой речи с 48,1 до 31,3 (Tobin и др., Google Research 2024).
- Персонализированные модели улучшили WER при БАС на 62% в относительном выражении, причём 71% выигрыша дали 5 минут данных (Shor и др., Interspeech 2019).
- В TORGO лишь 957 уникальных текстов на 16 394 текстовые записи (Hui и др., 2024).
- Дизартрия поражает 44-88% людей с болезнью Паркинсона (ASHA Practice Portal, Dysarthria in Adults).
1. Два крупных корпуса: Speech Accessibility Project и Project Euphonia
Данные о нарушенной речи теперь существуют в масштабе, сопоставимом с LibriSpeech, широко используемым эталонным набором читаемой речи, но открыта лишь одна из двух крупных коллекций. К концу сентября 2025 года записи Speech Accessibility Project передали около 2 000 участников, и проект сообщает, что его данными пользуются около 65 организаций. Корпус Euphonia от Google больше по числу дикторов, но на странице проекта сказано, что набор данных недоступен сторонним командам и компаниям (Google, Project Euphonia).
На практике это означает, что открытые исследования по распознаванию нарушенной речи в значительной мере зависят от одного привратника. Speech Accessibility Project выдаёт данные по соглашению об использовании данных (подписанному договору, определяющему, кто и для чего может использовать записи), которое требует двух подписей от обращающейся организации и действует не более 3 лет (Speech Accessibility Project, страница Conduct Research). Рост Euphonia, от 1,2 миллиона высказываний в 2024 году до более 1,5 миллиона в 2025 году, остаётся внутри Google.
| Показатель | Значение | Источник |
|---|---|---|
| Участники, передавшие записи Speech Accessibility Project, конец сентября 2025 года | Около 2 000 | Speech Accessibility Project, главная страница 2026 |
| Пакет данных Speech Accessibility Project, описание в каталоге | Около 1 090 часов речи примерно от 1 130 участников; пять состояний | Каталог YorVoice Йоркского университета, запись о Speech Accessibility Project |
| Страница Speech Accessibility Project о доступе для исследователей | 1 500 часов записанной речи; около 999 участников; около 65 организаций, использующих данные | Speech Accessibility Project, страница Conduct Research 2026 |
| Корпус Project Euphonia, февраль 2025 года | Более 1,5 миллиона высказываний примерно от 3 000 дикторов | Google (Martin и др.), Frontiers in Language Sciences 2025 |
| Корпус Project Euphonia, 2024 год | 1,2 миллиона высказываний от более чем 2 000 дикторов | Google (Jiang и др.), Interspeech 2024 |
| Записи Euphonia с проверенными людьми и исправленными расшифровками | 352 130 (29% корпуса) | Google (Jiang и др.), Interspeech 2024 |
| Дикторы Euphonia с метками характеристик речи | Более 75% дикторов, более 40 меток | Google (Jiang и др.), Interspeech 2024 |
Контекст: для масштаба, LibriSpeech, созданный на основе читаемых аудиокниг, представляет собой корпус примерно в 1 000 часов (OpenSLR, LibriSpeech). Два описания Speech Accessibility Project не совпадают (больше часов, но меньше участников на странице самого проекта), что мы отмечаем в наблюдении по данным. Цифры Euphonia взяты из работ Jiang и др. и Martin и др..
2. Более старые корпуса: TORGO, UA-Speech и эпоха малых данных
Более десяти лет распознавание дизартричной речи оценивалось на горстке дикторов. TORGO содержит 8 дикторов с дизартрией (5 мужчин, 3 женщины) и 7 контрольных дикторов, около 23 часов английской речи, записанной в Торонто в 2008-2010 годах. UA-Speech, записанный в Иллинойсском университете, охватил 19 дикторов с детским церебральным параличом, каждый из которых читал 765 отдельных слов (Kim и др., Interspeech 2008). Модель, объявленная лучшей на любом из этих корпусов, по сути проверена на меньшем числе людей, чем сидит в обычном школьном классе.
Со временем корпуса также сокращаются и дробятся. UA-Speech сейчас распространяет 16 из исходных 19 дикторов, поскольку трое отозвали разрешение или данные оказались повреждены, а его лицензия запрещает коммерческое использование (Иллинойсский университет, UA-Speech). За пределами английского языка картина схожая: итальянский корпус команд и корпус на китайском (мандаринском) языке построены каждый на нескольких десятках дикторов.
| Показатель | Значение | Источник |
|---|---|---|
| Дикторы TORGO | 8 с дизартрией (детский церебральный паралич или БАС) и 7 контрольных | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Аудио и выпуск TORGO | Около 23 часов, записаны в 2008-2010 годах; выпущен 19 января 2012 года | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Материал для чтения TORGO | 162 предложения из работы Yorkston и Beukelman, 460 предложений на основе TIMIT, а также записи движений языка и губ (электромагнитная артикулография) | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Дикторы UA-Speech с детским церебральным параличом, исходно против распространяемых сейчас | 19 против 16 | Kim и др., Interspeech 2008; Иллинойсский университет, страница UA-Speech |
| Словарь и схема записи UA-Speech | 765 отдельных слов на диктора, включая 300 различных редких слов; решётка из 8 микрофонов | Kim и др., Interspeech 2008 |
| Крупнейшая база атипичной речи на момент начала Speech Accessibility Project | 16 человек с детским церебральным параличом | Speech Accessibility Project, статья о Microsoft Azure 2025 |
| EasyCall (итальянский) | 21 386 записей от 31 дизартричного и 24 здоровых дикторов | Turrisi и др., Interspeech 2021 |
| CDSD (китайский мандаринский) | 133 часа от 44 дикторов | Wang и др., Chinese Dysarthria Speech Database (arXiv v2, 2025) |
Самые свежие доступные данные: TORGO (LDC, 2012), UA-Speech (Kim и др., 2008) и EasyCall (Interspeech 2021) старше трёх лет, и по ним по-прежнему отчитывается большинство статей. Статья о китайском корпусе CDSD раскладывает 133 часа на 124 часа аудио и 9 часов видео, причём 80 часов аудио приходятся всего на 8 дикторов, записанных по 10 часов каждый.
3. Кто представлен в данных: этиология, тяжесть и язык
Любой крупный корпус смещён в сторону тех, кого проще было набрать первыми. Speech Accessibility Project проектировался на 2 000 человек, по 400 для каждой из пяти этиологий (основной медицинской причины нарушения речи): болезнь Паркинсона, БАС, детский церебральный паралич, синдром Дауна и инсульт (ClinicalTrials.gov NCT05889260). Его первый пакет данных содержал только дикторов с болезнью Паркинсона, а конкурсный выпуск апреля 2024 года, записанный в основном в 2023 году, по-прежнему был ими доминирован (Zheng и др., Interspeech 2025 Challenge). Наша статистика лечения речи и голоса при болезни Паркинсона охватывает клиническую сторону этой группы.
Смещение Euphonia идёт в другую сторону, к БАС и к более лёгкой речи. В исследовательской подвыборке из 195 дикторов на БАС приходилось 39,2% дикторов, а четверть была оценена как тяжёлая. Большинство оценённых записей в первом пакете Speech Accessibility Project находилось на наименее нарушенном краю шкалы разборчивости, а это важно, потому что набор данных с преимущественно лёгкой речью приукрашивает среднее значение модели.
| Показатель | Значение | Источник |
|---|---|---|
| Запланированный дизайн Speech Accessibility Project | 2 000 человек, по 400 на этиологию, 1,2 миллиона речевых образцов (по 600 на человека) | ClinicalTrials.gov NCT05889260, запись о Speech Accessibility Project |
| Фактический набор по записи в реестре (где указаны болезнь Паркинсона и родственные паркинсонические состояния) | 485 участников; исследование завершено 31 июля 2025 года | ClinicalTrials.gov NCT05889260, запись о Speech Accessibility Project |
| Конкурсный выпуск SAP-240430, обучающая часть | 369 дикторов, 131 420 высказываний, 290,35 часа | Zheng и др., Interspeech 2025 Speech Accessibility Project Challenge |
| Разработческая и тестовые части SAP-240430 | Dev 55 дикторов (43,56 часа); Test1 50 дикторов (42,16 часа); Test2 50 дикторов (38,77 часа) | Zheng и др., Interspeech 2025 Speech Accessibility Project Challenge |
| Набор для первого пакета данных, зарегистрировано против одобрено против записано | 746 против 283 против 253 | Speech Accessibility Project (Hasegawa-Johnson и др.), JSLHR 2024 |
| Первый пакет данных, оценки разборчивости по шкале от 1 до 7 (1 = наименее нарушена) | 76% оценённых записей на уровне 1; 1,5% на уровнях 5-7 | Speech Accessibility Project (Hasegawa-Johnson и др.), JSLHR 2024 |
| Подвыборка Euphonia из 195 дикторов, по этиологии | БАС 39,2%; детский церебральный паралич 13,4%; болезнь Паркинсона 10,8%; нарушение слуха 5,2%; атаксия 3,1% | Google (Tobin и Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| Подвыборка Euphonia из 195 дикторов, по тяжести | Типичная 7,7%; лёгкая 35,4%; средняя 31,8%; тяжёлая 25,1% | Google (Tobin и Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
Контекст: охват языков - самое слабое измерение. Все участники первого пакета Speech Accessibility Project назвали родным языком американский английский (Hasegawa-Johnson и др., JSLHR 2024), а страница Euphonia от Google отмечает, что программа Speech Accessibility Project пока доступна только на английском. Расширение Euphonia ещё на четыре языка к 2025 году достигло 132 дикторов: 76 на японском, 38 на испанском, 14 на французском и 4 на хинди (Martin и др., Frontiers in Language Sciences 2025). Люди с БАС сталкиваются с тем же пробелом по мере изменения их речи, и наша статистика ухудшения бульбарной речи при БАС прослеживает это во времени.
4. Разрыв в доле ошибочных слов для дизартричной речи
Готовые распознаватели почти справились с лёгкой дизартрией и по-прежнему отказывают на тяжёлом краю. В тестировании 2026 года восьми систем на TORGO, включая Whisper large-v3, Deepgram Nova-3, GPT-4o и Gemini 2.5 Pro, при тяжёлой дизартрии у каждой системы WER превысил 51%, тогда как лучшие системы показали примерно 1-2% при лёгкой дизартрии (Alsayegh и Masood, IJIS 2026). Мультимодальные большие языковые модели не показали преимущества перед обычными распознавателями при настройках по умолчанию.
Тяжесть нарушения, а не марка модели, - переменная, которая предсказывает сбой. Базовый показатель самого Google растёт с 10,7 WER на лёгкой речи до 48,1 на тяжёлой на его тестовом наборе с заданными фразами (Tobin и др., Google Research 2024). На UA-Speech Whisper-Turbo без адаптации (то есть применённый без какой-либо настройки под дикторов) показал долю ошибочных символов выше 100%, что случается, когда модель выдаёт больше неверных символов, включая выдуманные слова, чем содержится в эталоне.
| Показатель | Значение | Источник |
|---|---|---|
| TORGO, восемь коммерческих и мультимодальных систем ИИ, типичная речь против тяжёлой дизартрии | Ниже 5% WER против выше 51% WER у каждой системы | Alsayegh и Masood, International Journal of Intelligent Systems 2026 |
| TORGO, лёгкая дизартрия, лучшие системы | Примерно 1-2% WER | Alsayegh и Masood, International Journal of Intelligent Systems 2026 |
| Тяжёлая дизартрия, стандартная инструкция против инструкции для дословной транскрипции | GPT-4o с 60,1% до 52,9%; GPT-4o Mini с 66,0% до примерно 55% | Alsayegh и Masood, International Journal of Intelligent Systems 2026 |
| UA-Speech, доля ошибочных символов Whisper-Turbo без адаптации, контрольные дикторы против дизартричных дикторов | 9,3% против 165,2% | de Groot и др. (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
| Тестовый набор Euphonia с заданными фразами, WER базовой модели USM по тяжести | Лёгкая 10,7; средняя 29,5; тяжёлая 48,1 | Google (Tobin и др.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Тестовый набор при болезни Паркинсона (все фразы), модели, обученные только на типичной читаемой речи | LibriSpeech 100 часов: 45,15% WER; LibriSpeech 960 часов: 38,76% WER | Speech Accessibility Project (Hasegawa-Johnson и др.), JSLHR 2024 |
| Дикторы, чей WER без доработки достиг целевого показателя 15% для умного дома, все дикторы против дикторов с тяжёлым нарушением | 35% против 10% | Google (Tobin и Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
Выброс: улучшение GPT-4o при инструкции для дословной транскрипции показывает, что часть ошибок мультимодальных моделей на тяжёлой речи вызвана переписыванием сказанного, а не только неверным расслышиванием; авторы сообщают, что модели Gemini не получили от тех же инструкций никакого устойчивого выигрыша. Цифра по UA-Speech взята из работы de Groot и др., которые приводят результат для дизартричной речи только в сводном виде, а не по группам разборчивости, для условия без адаптации.
5. Выигрыш от персонализированных и дообученных моделей
Небольшие объёмы правильных данных сдвигают долю ошибок сильнее, чем любые изменения архитектуры. Персонализированные модели улучшили WER на 62% в относительном выражении для дикторов с БАС, причём 71% этого улучшения дали всего 5 минут обучающих данных (Shor и др., Interspeech 2019). Эти модели обучались на 67 дикторах с БАС, около 36 часов аудио (блог Google Research, 2019).
Новый результат состоит в том, что одна общая модель способна впитать значительную часть этой пользы. USM от Google, дообученный на 1 158 часах нарушенной речи, закрыл 64% разрыва между базовой моделью и моделями под отдельных дикторов, а Microsoft сообщает о приросте точности на 18-60% в Azure AI Speech благодаря данным Speech Accessibility Project в зависимости от нарушения у диктора. Потолком по-прежнему остаётся тяжесть: WER дообученной модели на тяжёлой речи, равный 31,3, более чем вчетверо превышает её показатель 7,3 на лёгкой речи в той же таблице (31,3 делить на 7,3 даёт 4,3).
| Показатель | Значение | Источник |
|---|---|---|
| Относительное улучшение WER у персонализированных моделей, речь при БАС против речи с акцентом | 62% против 35% | Google (Shor и др.), Interspeech 2019 |
| WER дикторов с БАС после персонализации, фразы из банка сообщений, лёгкая против более тяжёлой дизартрии | 10% против 20% | Google (Shor и др.), Interspeech 2019 |
| Дикторы, достигшие целевого WER 15% для умного дома при 50 высказываниях (3-4 минуты) против 250 высказываний (18-20 минут) | 63% против 79% | Google (Tobin и Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| USM, дообученный на нарушенной речи, WER до против после, по тяжести | Лёгкая с 10,7 до 7,3; средняя с 29,5 до 19,6; тяжёлая с 48,1 до 31,3 | Google (Tobin и др.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Дообучение USM, относительное улучшение на речи по заданным фразам против спонтанной разговорной речи | 33% против 26% | Google (Tobin и др.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Прирост Microsoft Azure AI Speech при использовании данных Speech Accessibility Project | 18-60% в зависимости от нарушения у диктора | Speech Accessibility Project, статья о Microsoft Azure 2025 |
| Доля ошибочных символов на тесте китайского CDSD, обучение только на CDSD против предобучения на WenetSpeech с последующим дообучением | 24,9% против 16,4% | Wang и др., Chinese Dysarthria Speech Database (arXiv v2, 2025) |
| UA-Speech, доля ошибочных символов дообученного Whisper-Turbo по группам разборчивости | Очень низкая 64,4%; низкая 44,8%; средняя 40,1%; высокая 30,2% | de Groot и др. (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
Контекст: дикторы с тяжёлым нарушением остаются самой трудной группой даже при использовании всех их данных. В исследовании персонализации Euphonia 69% дикторов с тяжёлым нарушением достигли целевого показателя 15% для умного дома со всеми своими записями против 99% дикторов с лёгким нарушением (Tobin и Tomanek, 2021). Руководитель Speech Accessibility Project говорил, что обучение на части набора данных снизило долю ошибок для людей с болезнью Паркинсона почти вдвое (Speech Accessibility Project, объявление об открытии доступа к данным 2024). Самые свежие доступные данные по персонализации под отдельных дикторов: Shor и др. (2019) и Tobin и Tomanek (2021).
6. Ловушки тестирования: пересечение фраз, артефакты записи и шум в разметке
Небольшие корпуса с повторяющимися фразами делают опубликованную точность лучше реального использования. В TORGO лишь 957 уникальных текстов на 16 394 текстовые записи, а пересечение фраз по каждому из восьми дизартричных дикторов составляет от 95,7% до 100% (Hui и др., 2024). Когда авторы перестроили разбиение так, чтобы ни одна фраза не встречалась одновременно в обучении и в тесте, WER модели wav2vec2 для диктора с лёгким нарушением вырос с 3,17% до 45,21%. Модель может выучить список фраз вместо диктора.
Тот же эффект проявляется и в новейшем корпусе. На фразах, которые читали и обучающие дикторы, дообученная модель Speech Accessibility Project показала 5,18% WER, и по этой причине в статье общие и необщие фразы приводятся раздельно. Условия записи - вторая ловушка: Schu и др. (2022) обнаружили, что большинство современных классификаторов дизартрии на неречевых фрагментах UA-Speech и TORGO работали так же или лучше, а значит, они могут распознавать условия записи, а не речь.
| Показатель | Значение | Источник |
|---|---|---|
| Уникальные тексты TORGO против общего числа текстовых записей | 957 против 16 394 | Hui и др., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| Пересечение фраз по дикторам в TORGO, восемь дизартричных дикторов | 95,7-100% | Hui и др., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| WER wav2vec2, диктор с тяжёлым нарушением M04, исходное разбиение против разбиения без пересечений | 64,50% против 93,75% | Hui и др., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| WER wav2vec2, диктор с лёгким нарушением M03, исходное разбиение против разбиения без пересечений | 3,17% против 45,21% | Hui и др., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| Фразы при болезни Паркинсона, общие с обучающими дикторами, модель, обученная на LibriSpeech 960 часов, против дообученной на данных проекта | 45,39% против 5,18% WER | Speech Accessibility Project (Hasegawa-Johnson и др.), JSLHR 2024 |
| Проверка расшифровок Euphonia, расшифровки, стандартизированные по дикторам, против высказываний с реальными заменами слов | 72% в среднем против менее 5% | Google (Jiang и др.), Interspeech 2024 |
| Автоматический фильтр отсутствия речи в Euphonia, доля помеченных записей, в которых на самом деле была речь (доля ложных пропусков) | 47,7% | Google (Jiang и др.), Interspeech 2024 |
| USM, дообученный на нарушенной речи, WER на LibriSpeech Clean для типичной речи | 2,4, без изменений при проверенных весах данных | Google (Tobin и др.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
Контекст: шум в разметке Euphonia был в основном косметическим, поскольку около 95% исправлений касались пунктуации, регистра или другой нормализации; больший риск состоял в том, что автоматический фильтр отбрасывал корректную, но тихую или медленную речь, а это убирает именно тех дикторов, которые больше всего нужны набору данных. Результат USM отвечает на частое опасение: добавление нарушенной речи не ухудшило точность на типичной речи при весах, проверенных авторами.
7. Контекст распространённости: население, для которого предназначены эти наборы данных
Описанные выше корпуса охватывают несколько тысяч дикторов; население с особенностями речи насчитывает миллионы. В 2012 году у 7,7% детей США в возрасте от 3 до 17 лет за предыдущие 12 месяцев было нарушение коммуникации или глотания, а нарушения речи были самым частым видом - 5,0% (NCHS Data Brief No. 205). Лишь 55,2% этих детей получили коррекционную помощь в том же году.
У взрослых дизартрия - частый признак распространённых неврологических состояний, а не редкое нарушение. Обзор ASHA оценивает её в 44-88% у людей с болезнью Паркинсона и в 22-58% у людей с острым инсультом (ASHA Practice Portal, Dysarthria in Adults), и именно эти диапазоны, а не состав удобной выборки, должен отражать репрезентативный набор данных. Нарушения беглости речи, например заикание, добавляют ещё одну группу, описанную в нашей демографической статистике заикания.
| Показатель | Значение | Источник |
|---|---|---|
| Дети США в возрасте от 3 до 17 лет с нарушением коммуникации или глотания за предыдущие 12 месяцев; нарушения речи | 7,7%; 5,0% | NCHS Data Brief No. 205 (2015, данные NHIS за 2012 год) |
| Распространённость по возрасту, от 3 до 6 лет против от 11 до 17 лет | 11,0% против 4,9% | NCHS Data Brief No. 205 (2015, данные NHIS за 2012 год) |
| Дети с нарушением, получившие коррекционную помощь за предыдущие 12 месяцев | 55,2% | NCHS Data Brief No. 205 (2015, данные NHIS за 2012 год) |
| Взрослые США, сообщившие о проблеме с голосом за предыдущие 12 месяцев | 7,6% (около 17,9 миллиона) | NIDCD, Quick Statistics About Voice, Speech, and Language |
| Американцы, которые заикаются; американцы, живущие с афазией | Более 3 миллионов (около 1%); около 2 миллионов, с почти 180 000 новых случаев в год | NIDCD, Quick Statistics About Voice, Speech, and Language |
| Частота дизартрии, болезнь Паркинсона; рассеянный склероз; острый инсульт; острая или подострая черепно-мозговая травма | 44-88%; 40-51%; 22-58%; около 30-86% | ASHA Practice Portal, Dysarthria in Adults |
| Частота дизартрии, болезнь Гентингтона; нервно-мышечное заболевание, например БАС | 78-93%; 26-62% | ASHA Practice Portal, Dysarthria in Adults |
| Взрослые США с трудностями слуха, речи или языка, сообщившие, что сталкивались со стигмой | 65% из 1 004 опрошенных | ASHA-YouGov National Poll 2024 |
Самые свежие доступные данные: показатели распространённости у детей получены из National Health Interview Survey 2012 года, опубликованного в 2015 году, и собственная сводка NIDCD (NIDCD Quick Statistics) ссылается на то же исследование. Цифра по стигме взята из онлайн-опроса, проведённого с 21 по 26 февраля 2024 года (ASHA-YouGov, 2024).
Итоги: наборы данных для ИИ по атипичной и дизартричной речи в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Участники, передавшие записи Speech Accessibility Project, конец сентября 2025 года | Около 2 000 | Speech Accessibility Project, главная страница 2026 |
| Пакет данных Speech Accessibility Project, описание в каталоге | Около 1 090 часов примерно от 1 130 участников | Каталог YorVoice Йоркского университета, запись о Speech Accessibility Project |
| Корпус Project Euphonia, февраль 2025 года | Более 1,5 миллиона высказываний примерно от 3 000 дикторов | Google (Martin и др.), Frontiers in Language Sciences 2025 |
| Записи Euphonia с проверенными людьми расшифровками | 352 130 (29%) | Google (Jiang и др.), Interspeech 2024 |
| Дикторы и аудио TORGO | 8 дизартричных и 7 контрольных дикторов; около 23 часов | Linguistic Data Consortium, LDC2012S02 (2012) |
| Дикторы UA-Speech с детским церебральным параличом, исходно против распространяемых сейчас | 19 против 16 | Kim и др., Interspeech 2008; Иллинойсский университет |
| Запланированный дизайн Speech Accessibility Project | 2 000 человек, по 400 на этиологию | ClinicalTrials.gov NCT05889260 |
| Обучающая часть SAP-240430 | 369 дикторов, 290,35 часа | Zheng и др., Interspeech 2025 Speech Accessibility Project Challenge |
| Подвыборка Euphonia из 195 дикторов, доля БАС против доли болезни Паркинсона | 39,2% против 10,8% | Google (Tobin и Tomanek) 2021 |
| Неанглоязычные дикторы Euphonia, 2025 год | 132 (японский 76, испанский 38, французский 14, хинди 4) | Google (Martin и др.), Frontiers in Language Sciences 2025 |
| TORGO, типичная речь против тяжёлой дизартрии, восемь систем ИИ | Ниже 5% против выше 51% WER | Alsayegh и Masood, IJIS 2026 |
| UA-Speech, доля ошибочных символов Whisper-Turbo без адаптации, контрольные против дизартричных | 9,3% против 165,2% | de Groot и др. (TU Delft) 2025 |
| WER USM на тяжёлой нарушенной речи, до против после дообучения | 48,1 против 31,3 | Google (Tobin и др.) 2024 |
| Персонализированные модели, относительное улучшение WER для речи при БАС | 62%, причём 71% выигрыша дали 5 минут данных | Google (Shor и др.), Interspeech 2019 |
| Фразы при болезни Паркинсона, общие с обучающими дикторами, модель на LibriSpeech 960 часов против дообученной на данных проекта | 45,39% против 5,18% WER | Speech Accessibility Project (Hasegawa-Johnson и др.), JSLHR 2024 |
| Уникальные тексты TORGO против текстовых записей | 957 против 16 394 | Hui и др., arXiv 2024 |
| Дети США в возрасте от 3 до 17 лет с нарушением коммуникации или глотания (2012) | 7,7% | NCHS Data Brief No. 205 (2015) |
| Дизартрия у людей с болезнью Паркинсона | 44-88% | ASHA Practice Portal, Dysarthria in Adults |
Методология и источники
Мы провели 17 поисковых запросов и прочитали первичную страницу набора данных, запись в реестре, журнальную статью или препринт, стоящие за каждой цифрой. Доли ошибок приводятся в обозначениях самого источника: WER для доли ошибочных слов и доля ошибочных символов (CER), где источник её использует (дообучение на UA-Speech и китайский корпус), со знаком процента или без него, как указано в источнике. Цифры старше трёх лет помечены в своих разделах как самые свежие доступные данные.
- Главная страница Speech Accessibility Project (Институт Бекмана, Иллинойсский университет), 2026
- Speech Accessibility Project, Conduct Research Through the Project
- Speech Accessibility Project, Speech Accessibility Project Data Leads to Recognition Improvements on Microsoft Azure, 2025
- Speech Accessibility Project, Now Sharing Recordings and Data, 2024
- Каталог YorVoice Йоркского университета, запись о Speech Accessibility Project
- ClinicalTrials.gov, Speech Accessibility Project, NCT05889260
- Hasegawa-Johnson и др., Community-Supported Shared Infrastructure in Support of Speech Accessibility, JSLHR 2024
- Zheng и др., The Interspeech 2025 Speech Accessibility Project Challenge
- Google, страница публикаций и доступа к данным Project Euphonia
- Jiang и др. (Google), Learnings from Curating a Trustworthy, Well-Annotated, and Useful Dataset of Disordered English Speech, Interspeech 2024
- Martin и др. (Google), Project Euphonia: Advancing Inclusive Speech Recognition through Expanded Data Collection and Evaluation, Frontiers in Language Sciences 2025
- Tobin и Tomanek (Google), Personalized Automatic Speech Recognition Trained on Small Disordered Speech Datasets, 2021
- Tobin, Tomanek и Venugopalan (Google), Towards a Single ASR Model That Generalizes to Disordered Speech, 2024
- Shor и др. (Google), Personalizing ASR for Dysarthric and Accented Speech with Limited Data, Interspeech 2019 и запись в блоге Google Research о персонализации Euphonia, 2019
- Linguistic Data Consortium, TORGO Database of Dysarthric Articulation, LDC2012S02
- Kim и др., Dysarthric Speech Database for Universal Access Research, Interspeech 2008 и страница распространения UA-Speech, Иллинойсский университет
- Turrisi и др., EasyCall Corpus: A Dysarthric Speech Dataset, Interspeech 2021
- Wang и др., CDSD: Chinese Dysarthria Speech Database, arXiv v2 2025
- Alsayegh и Masood, Benchmarking Commercial Speech Recognition and Multimodal Large Language Models on Dysarthric Speech, International Journal of Intelligent Systems 2026
- de Groot и др. (TU Delft), Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech, 2025
- Hui, Zhang и Mohan, Enhancing AAC Software for Dysarthric Speakers in e-Health Settings: An Evaluation Using TORGO, 2024
- Schu, Janbakhshi и Kodrasi, On Using the UA-Speech and TORGO Databases to Validate Automatic Dysarthric Speech Classification Approaches, 2022
- OpenSLR, корпус LibriSpeech ASR
- Black, Vahratian и Hoffman, Communication Disorders and Use of Intervention Services Among Children Aged 3-17 Years, NCHS Data Brief No. 205, 2015
- NIDCD, Quick Statistics About Voice, Speech, and Language
- ASHA Practice Portal, Dysarthria in Adults
- ASHA-YouGov National Poll: Most Adults With Communication Disorders Report Facing Stigmas, 2024
- Наблюдение по данным: размер Speech Accessibility Project описывается тремя способами. На его странице для исследователей указано 1 500 часов примерно от 999 участников, в записи каталога Йоркского университета - около 1 090 часов примерно от 1 130 участников, а на главной странице насчитывается около 2 000 человек, передавших записи к сентябрю 2025 года (переданные записи - не то же самое, что опубликованные и расшифрованные данные); мы приводим все три, не выбирая одну. В записи ClinicalTrials.gov указаны только болезнь Паркинсона и родственные паркинсонические состояния, поэтому её фактический набор в 485 человек не следует считать общим итогом проекта. В статье JSLHR обучающая часть первого пакета указана как 190 дикторов в разделе методов и 191 в разделе результатов. В аннотации журнальной статьи о TORGO описаны семь человек с нарушениями речи, тогда как в выпуске LDC перечислено восемь дизартричных дикторов; мы используем цифру LDC. В аннотации статьи об USM описано около 1 000 часов нарушенной речи и менее 1% обучающих данных, тогда как в её таблице обучения указано 1 158 часов. В статье о CDSD часть B описана как 8 дикторов в одном разделе и 7 в другом после исключения одного диктора из-за ошибок разметки. У Tobin и Tomanek в тексте сказано, что 90% дикторов с лёгким нарушением достигают цели при 50 высказываниях, тогда как в таблице указано 93%. Цифра Microsoft в 18-60% описана как прирост точности без указания метрики и тестового набора. Две цифры по корпусу Euphonia (2024 и 2025 годы) отражают рост, а не противоречие. Распространённость у детей: NIDCD сообщает 7,2% только для нарушений голоса, речи или языка, против 7,7% у NCHS, которые учитывают и глотание.
Последнее обновление: 24 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда Speech Accessibility Project опубликует свой следующий пакет данных и выпуск обучающего и тестового разбиений.