Allophant：基于发音特征属性的跨语言音素识别
计算与语言
2023-08-17 v2 声音
音频与语音处理
摘要
本文提出 Allophant，一种多语言音素识别器。它仅需目标语言的音素表即可实现跨语言迁移，从而支持低资源识别。该架构在多任务架构中将组合式音素嵌入方法与独立监督的语音属性分类器相结合。我们还引入了 Allophoible，即 PHOIBLE 数据库的扩展。当其与基于距离的字素到音素输出映射方法结合时，可让我们直接在 PHOIBLE 音素表上训练。通过在 34 种语言上训练与评估，我们发现多任务学习的加入提升了模型应用于未见音素与音素表的能力。在有监督语言上，相较于无多任务学习的基线，我们实现了 11 个百分点（pp.）的音素错误率改进。在 84 种语言上的零样本迁移评估中，相较基线 PER 降低了 2.63 pp.。
引用
@article{arxiv.2306.04306,
title = {Allophant: Cross-lingual Phoneme Recognition with Articulatory Attributes},
author = {Kevin Glocker and Aaricia Herygers and Munir Georges},
journal= {arXiv preprint arXiv:2306.04306},
year = {2023}
}
备注
5 pages, 2 figures, 2 tables, accepted to INTERSPEECH 2023; published version