基于卷积神经网络的未见广播节目 ASR 性能预测
计算与语言
2018-04-24 v1
摘要
本文探讨一项相对新颖的任务：对未见广播节目的 ASR（自动语音识别）性能进行预测。我们首先提出一个专用于该任务的异构法语语料库。比较了两种预测方法：一种基于回归（人工设计特征）的当前最优性能预测，以及一种基于卷积神经网络（CNN，学习特征）的新策略。我们特别关注文本（ASR 转写）与信号输入的联合使用。虽然文本与信号特征的联合使用对回归基线无效，但 CNN 的输入组合带来了最佳的 WER（词错误率）预测性能。我们还表明，我们的 CNN 预测能出色地预测一组语音录音的 WER 分布。
引用
@article{arxiv.1804.08477,
title = {ASR Performance Prediction on Unseen Broadcast Programs using Convolutional Neural Networks},
author = {Zied Elloumi and Laurent Besacier and Olivier Galibert and Juliette Kahn and Benjamin Lecouteux},
journal= {arXiv preprint arXiv:1804.08477},
year = {2018}
}
备注
IEEE ICASSP 2018