基于Transformer模型的阿拉伯语语音识别在SADA大型阿拉伯语语料库上的表现
音频与语音处理
2025-08-19 v1 机器学习
摘要
我们探讨了几类最先进自动语音识别（ASR）模型在大型阿拉伯语语音数据集SADA（沙特语音数据集 for Arabic）上的性能。该数据集包含来自沙特电视节目的668小时高质量音频，包括多种方言和环境，特别是噪声子集，使其对ASR尤其具挑战性。我们在SADA测试集上评估了模型性能，并探讨了微调、语言模型以及噪声和去噪对其性能的影响。我们发现，最佳性能模型是针对SADA进行4-gram语言模型微调的MMS 1B模型，在SADA测试干净集上实现了40.9%的词错误率（WER）和17.6%的字符错误率（CER）。
引用
@article{arxiv.2508.12968,
title = {Arabic ASR on the SADA Large-Scale Arabic Speech Corpus with Transformer-Based Models},
author = {Branislav Gerazov and Marcello Politi and Sébastien Bratières},
journal= {arXiv preprint arXiv:2508.12968},
year = {2025}
}