زمینه و هدف: طیف اوتیسم، اختلالی نورولوژیک است که خودش را در سال های اولیه رشد کودک نمایان می کند. افراد مبتلا به اوتیسم با چالش هایی در زمینه تنظیم احساسات مواجه هستند و حالات عاطفی خود را به روش های مختلف بیان می کنند. پژوهش فعلی یک سیستم تشخیص فعالیت صوتی (VAD) را ارائه می کند که با صداهای کودکان اوتیستیک سازگار شده است. روش پژوهش: سیستم VAD ارائه شده یک شبکه عصبی بازگشتی (RNN) با سلول های حافظه کوتاه مدت (LSTM) است. داده ها شامل 25 کودک اوتیستیک انگلیسی زبان است که یک فعالیت آموزشی ساختار یافته را انجام می دهند. یافته ها: آزمایش های ما نشان می دهد که سیستم VAD کودک عملکرد کمتری نسبت به سیستم VAD عمومی ما دارد که تحت شرایط یکسان آموزش داده شده است، زیرا منحنی مشخصه عملکرد سیستم (ROC) را تحت معیارهای منحنی (ROC-AUC) به ترتیب 0. 662 و 0. 850 به دست می آوریم. نتایج SER عملکردهای متفاوتی را در بین ظرفیت و برانگیختگی، بسته به سیستم VAD مورد استفاده با حداکثر ضریب همبستگی تطابق (CCC) 0. 263 و حداقل ریشه میانگین مربعات خطا 0. 107 نشان می دهد. نتیجه گیری: اگرچه عملکرد مدل های SER به طور کلی پایین است، سیستم VAD کودک می تواند به نتایج کمی بهبود یافته در مقایسه با سایر سیستم های VAD و به ویژه تراز مبنا بدون VAD (VAD-less baseline) منجر شود، که از اهمیت فرضی سیستم های VAD کودک در زمینه مورد بحث حمایت می کند.