一种用于普通话语音识别中口音域快速扩展的元学习方案
声音
2023-07-25 v1 计算与语言
人机交互
音频与语音处理
摘要
口语在普通话与口音之间表现出显著差异。尽管普通话自动语音识别（ASR）性能很高，口音 ASR 仍是一项具有挑战性的任务。本文中，我们引入元学习技术用于普通话语音识别中的口音域快速扩展，其在不损害普通话 ASR 性能的情况下拓展口音领域。元学习或学会学习能够学习多域中的一般关系，而非仅过拟合特定域。因此我们在域扩展任务中选择元学习。这种更本质的学习将提升口音域扩展任务上的性能。我们结合元学习方法与模型参数冻结，使识别性能在不同情形下更稳定，且训练加快约 20%。我们的方法在口音域扩展任务上相对其他方法显著优于约 3%。与基线模型相比，在普通话测试集保持不变的条件下它相对提升 37%。此外，也证明了该方法在大量数据上有效，在口音测试集上相对性能提升 4%。
引用
@article{arxiv.2307.12262,
title = {A meta learning scheme for fast accent domain expansion in Mandarin speech recognition},
author = {Ziwei Zhu and Changhao Shan and Bihong Zhang and Jian Yu},
journal= {arXiv preprint arXiv:2307.12262},
year = {2023}
}