Lebendige Transferübungen und automatisierte Stimmklangbeurteilung

Hintergrund: Der Transfer von im Therapieraum erlernten Fertigkeiten in den Alltag ist eine zentrale Herausforderung der Logopädie. Im Forschungsprojekt ProVoiceVR wurde eine Virtual‑Reality‑Anwendung entwickelt, die immersive Alltagsszenarien bereitstellt, um den Transfer zu erleichtern. Für deren Weiterentwicklung wurden zwei KI‑gestützte Funktionen vorgesehen: (1) verbale Interaktion mit virtuellen Avataren in natürlichen Dialogen und (2) automatisiertes Biofeedback zu den perzeptiven Stimmklangparametern Rauigkeit (R) und Behauchtheit (B).
Methoden: Zur Realisierung von (1) wurde ChatGPT (OpenAI) verwendet. Sprache wurde KI‑gestützt transkribiert. Das Large‑Language‑Model (LLM) generierte Textantworten, die über eine KI‑generierte Sprachausgabe wiedergegeben wurden. Die Dialogflüssigkeit wurde mit Latenzen gemessen. Für (2) wurde ein KI‑Modell auf 1.336 Sprachaufnahmen einer frei verfügbaren Stimmdatenbank trainiert; jede Aufnahme wurde zuvor von zwei erfahrenen Stimmtherapeut*innen nach der GRBAS‑Skala (R, B) bewertet.
Ergebnisse: (1) Die Gesamtlatenz zwischen menschlicher Spracheingabe und KI‑generierter Sprachausgabe betrug 5–7 Sekunden. (2) Die Bewertungsübereinstimmung der Expert*innen lag bei 58 % (R) bzw. 61 % (B); bei 94 % der Differenzen betrug der Unterschied einen Skalenpunkt. Das KI‑Modell erreichte bei unbekannten Aufnahmen eine Übereinstimmung von 80 %.
Schlussfolgerungen/Implikationen: KI‑gestützte, kontextualisierte Gespräche in immersiven Therapiesimulationen sind technisch realisierbar, wobei die aktuelle Latenz die Gesprächsflüssigkeit einschränkt. Das eingesetzte KI‑Modell liefert vielversprechendes automatisiertes Biofeedback, das insbesondere im Heimtrainingdie Selbsteinschätzung von Patient*innen unterstützen kann.
Beide KI‑Komponenten erweitern das therapeutische Instrumentarium; ihr Einsatz sollte dennoch sorgfältig abgewogen werden.