幼兒語言表達障礙包括構音障礙、嗓音異常、語暢異常及語言發展異常，根據新北市政府於2016年統計，學齡前幼兒約有10％的構音障礙問題，面對如此高比例的語言障礙問題，積極介入語言治療是不二法門，但是有鑒於我國語言治療師的人才短缺，各大醫院都面臨語言治療師人力不足的問題，據中國時報預估（2017），到民國112年語言治療師需求人才至少為2800人，但以目前考取語言治療師的進度估算，屆時語言治療師人數僅有1600多人，這個現象導致許多語言障礙問題的小朋友必須要排很久時間，才能夠得到一次語言治療服務，然而，語言的發展與矯正有著黃金時期，而且語言矯正必須短時間內重複刺激學習才能達到療效，就如同一般學習的原理一樣。因此，對於需要矯正的小朋友來說，目前國內的語言治療環境是個專業人才缺乏的狀態。有鑑於此，研發語言評估與矯正裝置就顯得相當重要，如此可以彌補專業人才的不足，同時又可以隨時幫助溝通障礙的小朋友得到語言的評估與矯正。本裝置分為評估與療育兩個部分系統之研發，評估部分乃參考構音障礙檢核表，幼兒聲音分析的演算部分則是用RNN sequence-to-sequence auto-encoder的技術，擷取其指定發音片段來做embedding（audio word to vector）, 再將轉出向量去比對摹製構音障礙音及正確音的向量資料庫分別做餘弦相似性(cosine similarity)比對，用以自動判斷各個音素的診斷效果。輔助治療部分也是採用同樣的RNN演算法，在判斷出幼兒發音之餘弦相似性後，可以人為調整可容差異忍度大小來設計矯正音的回饋裝置，讓幼兒達到正確發音練習的效果。本研究由於語音樣本缺乏具標註的語音訓練資料，因而不能使用監督式學習法，然而，監督式語音辨識系統訓練方法已經被廣泛研究。本研發中，創新採用無監督式語音辨識系統訓練方式，首先將每個從語言治療師收集來的詞級語音片段樣本，由序列對序列自動編碼器提取出向量來表示，將語音內容訊息和說話者的信息分離開來。接著，使用skip-gram模型從向量化資料中將訓練語音片段的語義嵌入。之後，運用無監督方法將語音片段的語義嵌入轉換文本的嵌入空間，最後再將轉換後的嵌入映射到構音障礙的發音單詞，用以解決少量特異語音樣本的問題。
