在生成式CNN中分离词汇独立语音依赖关系的技术
计算与语言
2025-06-12 v1 声音
音频与语音处理
摘要
深度神经网络（DNN）对词汇学习衍生的语音组合泛化的表示能力仍然是一个开放问题。本研究（1）调查了在原始音频波形上训练词汇项的生成式卷积神经网络（CNN）的词汇不变泛化能力，（2）探索了将全连接层（FC）瓶颈从1024通道缩减至8通道后再训练的后果。最终，提出了一种新颖的技术来探测模型的词汇独立泛化，该技术仅在狭窄的FC瓶颈条件下有效：通过绕过FC并向卷积块输入随机化的特征图来生成音频输出。这些输出与使用FC生成的输出一样，受到训练中语音组合限制的同等偏置。这一结果表明卷积层可以动态地泛化语音依赖关系，超越FC所学习的词汇约束配置。
引用
@article{arxiv.2506.09218,
title = {A Technique for Isolating Lexically-Independent Phonetic Dependencies in Generative CNNs},
author = {Bruno Ferenc Šegedin},
journal= {arXiv preprint arXiv:2506.09218},
year = {2025}
}