面向语言适配声学单元发现的层次化子空间模型
音频与语音处理
2020-11-10 v2 机器学习
声音
摘要
在本工作中，我们提出一种用于声学单元发现的层次化子空间模型。在该方法中，我们将此任务框定为在低维语音子空间上学习嵌入，同时将子空间本身指定为超子空间上的嵌入。我们在一组转写语言上训练超子空间并将其迁移至目标语言。在目标语言中，我们以无监督方式同时推断语言与单元嵌入，并由此同时学习特定于该语言的单元子空间及驻留其上的单元。我们在 TIMIT 与两种低资源语言（Mboshi 与 Yoruba）上开展实验。结果表明，我们的模型在聚类质量与切分准确率上均优于主流声学单元发现技术。
引用
@article{arxiv.2011.03115,
title = {A Hierarchical Subspace Model for Language-Attuned Acoustic Unit Discovery},
author = {Bolaji Yusuf and Lucas Ondel and Lukas Burget and Jan Cernocky and Murat Saraclar},
journal= {arXiv preprint arXiv:2011.03115},
year = {2020}
}
备注
Submitted to ICASSP 2021