作者分享了与口吃斗争的经历，强调与AI互动如何减轻表达焦虑。通过AI的支持，他逐步克服沟通障碍，提升表达能力，最终实现自信交流。

本文介绍了博利项目，旨在解决印度语言中口吃语音数据稀缺的问题，构建了多语种口吃语音数据集，包含匿名元数据、问卷回应及朗读、自发言语记录，并详细注释五种口吃类型，为相关研究和技术发展提供了重要资源。

本文介绍了一种基于声学特征的口吃检测模型StutterNet，采用深度学习技术，平均漏诊率为10.03%。研究还探讨了结合音频和视频数据的多模态故障检测方法，显著提高了检测性能。通过多任务学习和注意力机制，提出了改进的口吃检测系统，展示了其在多语言和跨语料库环境中的有效性。

近年来，深度学习在口吃症言语识别方面取得了显著进展。研究提出了一种全自动方法，结合连续时间分类和编码器-解码器模型，能够准确识别语音异常，区分失语症患者与健康人群，漏诊率仅为10.03%。此外，研究还探讨了多任务学习和声学特征在口吃分类中的应用，显示出良好的准确性和实时性。

本研究使用wav2vec 2.0模型对发音困难症声学语音信号进行自动检测和严重程度分类，结果表明使用wav2vec模型的嵌入特征在准确度和严重程度分类任务中均有提升。

本文通过多阶段增强方法改进阿拉伯语言障碍患者的自动语音识别性能。方法包括生成阿拉伯语言障碍患者的语音，通过对英语语言障碍患者语音数据进行训练进行多语言扩充，以及在不同的语音障碍程度下进行微调和文本纠正策略。实验结果显示，在阿拉伯语言障碍患者的语音数据集上，词错误率为18%，字符错误率为17.2%。相比只针对健康数据训练的基础模型，实现了81.8%的词错误率提升，并在真实的英文语言障碍患者语音数据集上实现了124%的词错误率提升。