基于深度學(xué)習(xí)聲音識別技術(shù)的老年聽障人群無障礙交互產(chǎn)品設(shè)計(jì)策略研究

摘要：目的：隨著我國老齡化程度的加深，老齡化人群聽覺功能障礙成為不可忽視的社會(huì)議題。聽力損失不僅損害老年人的感知能力，更會(huì)對其身心健康和社會(huì)參與造成嚴(yán)重影響。文章以老年聽障人群為研究對象，探究以深度學(xué)習(xí)聲音識別技術(shù)促進(jìn)老年聽障人群無障礙交互的可行性，探究無障礙交互產(chǎn)品設(shè)計(jì)策略。方法：基于無障礙設(shè)計(jì)理論、老年聽障人群特征，研究深度學(xué)習(xí)聲音識別技術(shù)在輔聽軟件中的作用。通過聲音識別和音頻分類技術(shù)，實(shí)現(xiàn)對語言信息和關(guān)鍵環(huán)境聲（如門鈴聲、警報(bào)聲、嬰兒哭聲等）的監(jiān)測、判斷與提醒，幫助聽障用戶通過感官代償?shù)姆绞皆谌粘Ｉ钪屑皶r(shí)獲取聲音的重要信息。結(jié)果：文章歸納了基于深度學(xué)習(xí)聲音識別技術(shù)的無障礙交互產(chǎn)品設(shè)計(jì)策略，并討論實(shí)現(xiàn)過程中面臨的技術(shù)難點(diǎn)，提出優(yōu)化建議。圍繞感官代償、簡化操作、安全隱私及情感化界面，設(shè)計(jì)適合老年聽障用戶的交互界面和多模態(tài)提醒方式，改善老年聽障人群的聽力狀態(tài)，幫助他們更好地生活。結(jié)論：深度學(xué)習(xí)聲音識別技術(shù)為無障礙交互產(chǎn)品設(shè)計(jì)提供了新的可能，使手機(jī)輔聽軟件可以切實(shí)為老年聽障人群這一特殊群體提供幫助，進(jìn)而推動(dòng)社會(huì)包容與人文關(guān)懷設(shè)計(jì)的發(fā)展。

關(guān)鍵詞：深度學(xué)習(xí)聲音識別技術(shù)；老年聽障人群；無障礙交互產(chǎn)品；交互設(shè)計(jì)；輔聽軟件

中圖分類號：TP311.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2024）16-0-03

0 引言

隨著我國老年人口的不斷增加，社會(huì)將進(jìn)入深度老齡化階段。據(jù)《中國聽力健康報(bào)告（2021）》藍(lán)皮書，我國老年聽障患者約占老齡人口的30%，60歲以上的老年人患聽力障礙的比例為11.4%［1］。由于進(jìn)口助聽器價(jià)格高昂、輔聽設(shè)備較少、輔聽?wèi)?yīng)用難以普及、人們對老年聽障危害的認(rèn)知水平不足等，許多聽障老年人默默忍受著失去聲音的世界。目前，聽障交互領(lǐng)域的研究缺乏對聽障人群的界定與細(xì)分，對老年聽障人群的關(guān)注嚴(yán)重不足。但隨著手機(jī)在老年人中的普及以及AI深度學(xué)習(xí)聲音識別技術(shù)的進(jìn)步，通過無障礙交互設(shè)計(jì)的方法構(gòu)建滿足實(shí)用性與情感體驗(yàn)的無障礙交互產(chǎn)品，利用技術(shù)手段幫助老年聽障人群克服在聲音信息接收轉(zhuǎn)換方面遇到的困難，對促進(jìn)老年聽力健康發(fā)展、構(gòu)建老年友好型社會(huì)有重要的參考意義。

1 研究背景

習(xí)近平總書記強(qiáng)調(diào)，“有效應(yīng)對我國人口老齡化，事關(guān)國家發(fā)展全局，事關(guān)億萬百姓福祉”［2］。面對老齡化社會(huì)的到來，將深度學(xué)習(xí)聲音識別技術(shù)應(yīng)用于無障礙交互產(chǎn)品設(shè)計(jì)，提高老年聽障人群在社交、生活中獲取信息的能力，增強(qiáng)他們的社會(huì)參與感，能為其他特殊群體的交互設(shè)計(jì)提供借鑒，推動(dòng)人機(jī)交互技術(shù)在銀發(fā)健康領(lǐng)域發(fā)展。

1.1 老年聽障人群現(xiàn)狀

老年聽力損失是指60歲以上老年人因年齡增長、耳科疾病、遺傳因素、噪聲損傷、耳毒性藥物、代謝性疾病和不良生活習(xí)慣等出現(xiàn)的聽覺功能下降的情況［3］，通常也被描述為“耳背”或者“老年性耳聾”。聽障是一種常見的感官障礙，隨著年齡的增長，聽覺器官逐漸衰退，加上疾病、環(huán)境等因素的影響，許多老年人面臨不同程度的聽力損失。研究表明，超過60歲，聽力損失及聽力殘疾患病率升高；在80歲以上的人群中，超過90%的人有一定程度的聽力損失，超過50%的人有中度到完全的聽力損失。這不僅影響老年人的日常生活，還限制了他們對現(xiàn)代科技產(chǎn)品的使用，使他們在信息獲取方面處于劣勢。

1.2 老年聽障人群特征

聽力正常的人可以聽到20 Hz～20000 Hz的聲音，國際衛(wèi)生組織判定平均聽力閾值≥20 dBHL為存在聽力損失。老年性聾是與年齡相關(guān)的聽力損失累積的病理生理變化，其特征是進(jìn)行性、不可逆［4］。它主要由耳蝸內(nèi)的毛細(xì)胞或聽神經(jīng)的退化引起，主要特征為高頻聽力損失，即對2000 Hz以上的高頻聲音的感知減弱。因此，老年人難以聽清較尖細(xì)或高音調(diào)的聲音，如兒童的說話聲、鳥鳴聲、電話鈴聲以及火警警報(bào)聲等。聽力損失不僅影響聲音的接收，還會(huì)影響老年人對言語的理解能力。即便可以聽到聲音，也難以分辨單詞和句子的細(xì)節(jié)。例如，對“s”“f”“th”等輔音分辨困難。即便聲音足夠響亮，也可能難以分辨內(nèi)容，還可能對噪聲更加敏感。

2 理論與技術(shù)基礎(chǔ)

2.1 深度學(xué)習(xí)聲音識別技術(shù)

深度學(xué)習(xí)聲音識別技術(shù)是指通過移動(dòng)端集成麥克風(fēng)收集音頻數(shù)據(jù)，根據(jù)AI機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)分析音頻數(shù)據(jù)，將音頻信號分為預(yù)定義類別的技術(shù)。區(qū)別于傳統(tǒng)的識別技術(shù)，AI的應(yīng)用使語音識別技術(shù)的速度與精度大幅提升，深度學(xué)習(xí)在語音處理領(lǐng)域取得了顯著進(jìn)展。在機(jī)器學(xué)習(xí)領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)是一種屬于深度學(xué)習(xí)網(wǎng)絡(luò)范疇的前饋人工神經(jīng)網(wǎng)絡(luò)，非常適合應(yīng)用于語音信號識別分析［5］。卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等深度學(xué)習(xí)算法通過識別不同的聲音，如人聲、環(huán)境聲、噪聲等，能夠自動(dòng)學(xué)習(xí)特征，大大提高語音分類的性能。隨著計(jì)算能力的提升和數(shù)據(jù)量的增加，深度學(xué)習(xí)聲音識別技術(shù)應(yīng)用于聽障老年人的交互系統(tǒng)設(shè)計(jì)中大有可為，將為他們提供聲音輔助，如支持方言語音識別、提供聲音事件檢測提示等。

2.2 無障礙交互設(shè)計(jì)案例

國內(nèi)智能手機(jī)聽力輔助App主要有“訊飛聽見”和“音書”。“音書”是一款為聽障人群打造的溝通交流軟件，無障礙溝通和語音訓(xùn)練是其主要的兩大功能［6］。“訊飛聽見”主要適用于會(huì)議與記錄，配合助聽耳機(jī)使用，對于聽障用戶可免費(fèi)轉(zhuǎn)錄。

谷歌的實(shí)時(shí)字幕和微軟的直播字幕等服務(wù)能為口語提供實(shí)時(shí)字幕，使聽力障礙者能夠在視頻通話或現(xiàn)場活動(dòng)期間跟蹤對話。蘋果、華為等各大手機(jī)生產(chǎn)公司也在輔助服務(wù)中配備了無障礙功能，包括語音轉(zhuǎn)文字、實(shí)時(shí)字幕、聲道融合、助聽器鏈接以及聲音提醒等。但無障礙功能一般隱藏較深，老年聽障人群對該功能了解甚少，也很少有人能充分使用智能手機(jī)的無障礙功能。

3 無障礙交互產(chǎn)品設(shè)計(jì)策略

3.1 設(shè)計(jì)原理

無障礙交互設(shè)計(jì)/信息無障礙設(shè)計(jì)原理（Information Accessibility Design）是在無障礙的基礎(chǔ)上，引入信息時(shí)代背景形成的相關(guān)概念。其認(rèn)為設(shè)計(jì)不僅要為健全人服務(wù)，還要為殘障人士服務(wù)；不僅要為人服務(wù)，還要考慮環(huán)境與資源問題［7］。要利用科學(xué)技術(shù)減少殘障人士在信息獲取、接收過程中的阻礙。

以用戶為中心的設(shè)計(jì)原理是要通過對用戶的深刻了解，根據(jù)用戶需求設(shè)計(jì)，并且通過用戶驗(yàn)證［8］，強(qiáng)調(diào)在設(shè)計(jì)過程中充分考慮使用者的需求、能力、偏好等因素。針對老年聽障人群進(jìn)行無障礙交互產(chǎn)品設(shè)計(jì)，意味著要深入了解他們的聽力狀況、認(rèn)知能力、使用習(xí)慣等，以確保設(shè)計(jì)出的交互系統(tǒng)符合其實(shí)際需求。

感官代償交互設(shè)計(jì)原理指利用通感的方式對有損失的感官進(jìn)行代償?？梢岳靡曈X代償聽覺的方式進(jìn)行老年聽障人群輔聽軟件設(shè)計(jì)。采用多模態(tài)的交互方式，如用視覺、觸覺等反饋方式將聲音信息轉(zhuǎn)換為文字或者圖形語音。在信息傳遞過程中，以視覺的形式來表現(xiàn)，輔之以頻閃呈現(xiàn)，對吸引老年人的注意力有良好的效果。

3.2 針對老年聽障人群特征的設(shè)計(jì)策略

老年聽障人群除了聽力損失，還可能伴隨視力下降。同時(shí)，他們對自身的聽力損傷存在一定的抵觸心理，對新事物的接受程度較低。輔聽軟件應(yīng)考慮老年聽障人群的身心特征，簡化交互流程，減少跳轉(zhuǎn)層級，增強(qiáng)交互的便捷性，并設(shè)計(jì)清楚直觀的交互界面和學(xué)習(xí)指引，便于他們使用，還需要在提供錄音功能的同時(shí)，保障個(gè)人隱私不被泄露。

4 交互設(shè)計(jì)實(shí)踐

本次設(shè)計(jì)實(shí)踐將基于深度學(xué)習(xí)聲音識別技術(shù)為老年聽障人群設(shè)計(jì)一款簡單易用的聲音提醒App。以上文提出的設(shè)計(jì)策略為基礎(chǔ)，探究如何利用移動(dòng)應(yīng)用幫助老年聽障人群克服聲音接收場景中遇到的困難。通過訪問調(diào)研與問卷調(diào)查發(fā)現(xiàn)，老年聽障群體主要在聲音接收、分辨、對話等方面存在困難?？紤]到現(xiàn)有設(shè)備對噪聲環(huán)境識別不佳、移動(dòng)設(shè)備續(xù)航等問題，因此將App的使用場景確定為室內(nèi)聲音接收判定并通過感官代償方式提醒老年人。

4.1 聲音監(jiān)聽

聲音監(jiān)聽功能可幫助用戶在不便直接聽到聲音的情況下獲得提醒，能捕捉打招呼聲、門鈴聲、鬧鐘聲、警報(bào)聲、小孩哭聲等重要聲音，并給予提醒。

需要注意的是，在嘈雜的環(huán)境中，音頻分類的準(zhǔn)確性容易受到干擾?？衫孟冗M(jìn)的去噪算法，如譜減法和自適應(yīng)濾波器，將背景噪聲從音頻信號中分離出來，保留關(guān)鍵聲音信息。在模型訓(xùn)練中引入不同噪聲場景的音頻數(shù)據(jù)進(jìn)行增強(qiáng)，提升模型的抗噪性。在實(shí)時(shí)檢測中進(jìn)行降噪處理，可以通過濾波或自適應(yīng)降噪算法去除不必要的背景音，從而提高重要聲音的識別率。

利用深度學(xué)習(xí)聲音識別技術(shù)，對采集的聲音進(jìn)行分類。由于個(gè)人居家環(huán)境聲音比較固定，可以利用公開的大規(guī)模音頻數(shù)據(jù)集，在目標(biāo)數(shù)據(jù)較少的情況下，通過遷移學(xué)習(xí)對預(yù)訓(xùn)練模型進(jìn)行微調(diào)，輸入符合自己需求的環(huán)境聲音和人聲標(biāo)注，構(gòu)建更加精準(zhǔn)的音頻分類模型。

4.2 聲音提示

識別聲音后，需要區(qū)分語音和非語音信號，以便決定開啟對話輔助還是聲音提醒模式。需要對提醒做到情境化聲音識別，通過情境化的聲音捕捉和自定義提醒設(shè)定，實(shí)現(xiàn)對特定聲音的監(jiān)控，減少干擾性提示。考慮到老年用戶可能存在不同的感知偏好，應(yīng)設(shè)計(jì)多種提醒方式，如振動(dòng)、閃爍光效、屏幕提示等，確保提醒效果明顯。輔聽App的界面設(shè)計(jì)和交互風(fēng)格應(yīng)更加人性化，增強(qiáng)情感關(guān)懷。核心界面可以設(shè)計(jì)成溫暖柔和的色調(diào)，采用大字體、友好的圖標(biāo)風(fēng)格，讓用戶產(chǎn)生親近感。界面配色應(yīng)柔和，增強(qiáng)視覺舒適性，符合老年用戶的審美傾向（見圖1）。

語音轉(zhuǎn)文字功能旨在幫助用戶快速獲取他人的言語內(nèi)容，適用于交流場景?；诶夏暧脩舻男枨螅褂么笞痔柡透邔Ρ榷鹊奈淖?，確保用戶能輕松獲取文字信息（見圖2）。

5 結(jié)語

基于深度學(xué)習(xí)聲音識別技術(shù)為老年聽障人群的無障礙交互產(chǎn)品設(shè)計(jì)提供了新的可能。設(shè)計(jì)以聲音監(jiān)聽和聲音提醒這兩項(xiàng)功能為核心的輔聽?wèi)?yīng)用，可以有效提升老年聽障人群對語言和非語言信息的接收能力。雖然深度學(xué)習(xí)聲音識別技術(shù)在輔聽App中的應(yīng)用有巨大的潛力，但手機(jī)麥克風(fēng)在嘈雜環(huán)境中的分辨能力較弱，模型訓(xùn)練難度大，續(xù)航時(shí)間短，在數(shù)據(jù)隱私保護(hù)等方面仍面臨巨大挑戰(zhàn)。老年聽障人群的社會(huì)問題也不單是技術(shù)層面可以解決的，政府與社會(huì)需要共同努力，提高全社會(huì)對老年人聽力健康問題的重視度。

參考文獻(xiàn)：

［1］ 中國聽力健康報(bào)告.中國聽力醫(yī)學(xué)發(fā)展基金會(huì)研創(chuàng)［M］.北京：社會(huì)科學(xué)文獻(xiàn)出版社，2021：73-75.

［2］ 馬曉偉.全力推進(jìn)新時(shí)代老齡工作高質(zhì)量發(fā)展［N］.人民日報(bào)，2021-12-24（10）.

［3］ 全國防聾治聾技術(shù)指導(dǎo)組，中華醫(yī)學(xué)會(huì)耳鼻咽喉頭頸外科學(xué)分會(huì)，中華耳鼻咽喉頭頸外科雜志編輯委員會(huì)，等.老年聽力損失診斷與干預(yù)專家共識［J］.中華耳鼻咽喉頭頸外科雜志，2019，54（3）：166-173.

［4］ 賀祖宏，李明，鄒圣宇，等.老年性聾的發(fā)病機(jī)制及干預(yù)研究進(jìn)展［J］.中華耳鼻咽喉頭頸外科雜志，2020，55（11）：1105-1110.

［5］ 邵娜，李曉坤，劉磊，等.基于深度學(xué)習(xí)的語音識別方法研究［J］.智能計(jì)算機(jī)與應(yīng)用，2019，9（2）：135-142.

［6］ 王翀，周龍飛，張祖耀.基于活動(dòng)理論的聽障騎手AI語音交互產(chǎn)品設(shè)計(jì)［J］.設(shè)計(jì)，2023，36（9）：138-141.

［7］ 帕帕奈克·維克多.為真實(shí)的世界設(shè)計(jì)［M］.北京：生活·讀書·新知三聯(lián)書店，2002：7.

［8］ 董建明，傅利民，饒培倫.人機(jī)交互：以用戶為中心的設(shè)計(jì)和評估［M］. 4版.北京：清華大學(xué)出版社，2013：5.

基金項(xiàng)目：本論文為2024年度江蘇省研究生實(shí)踐創(chuàng)新計(jì)劃人文社科項(xiàng)目“針對中老年聽障人群的無障礙交互設(shè)計(jì)研究”成果，項(xiàng)目編號：SJCX24_1846

作者簡介：江雪瑩 （1996—） ，女，研究方向：數(shù)字媒體藝術(shù)、交互；邵斌 （1969—） ，男，副教授，系本文通訊作者，研究方向：數(shù)字媒體藝術(shù)、影視動(dòng)畫。