面向近乎零资源语言的自动语音识别与主题识别
计算与语言
2018-06-20 v2
摘要
自动语音识别（ASR）系统常常需要为极低资源语言开发，以服务于音频内容分类与检索等终端应用。当某一语言中没有任何转写语音可用于训练 ASR 系统时，通用音素识别自然成为一个可考虑的方案；然而，利用极少量（以分钟而非小时计）的转写语音来适配通用音素模型同样需要研究，尤其是采用最先进的基于 DNN 的声学模型时。DARPA LORELEI 计划为这类极低资源 ASR 研究提供了框架，并为在人道主义援助、灾害救援场景下的 ASR 性能评估提供了外部度量。本文介绍了我们基于 Kaldi 的该系统实现，其采用通用音素建模方法进行 ASR，并描述了针对该通用 ASR 系统的极快速适配方案。我们在 NIST LoReHLT 2017 评测数据集上所获得的结果显著优于许多竞争方法的结果。
引用
@article{arxiv.1802.08731,
title = {Automatic Speech Recognition and Topic Identification for Almost-Zero-Resource Languages},
author = {Matthew Wiesner and Chunxi Liu and Lucas Ondel and Craig Harman and Vimal Manohar and Jan Trmal and Zhongqiang Huang and Najim Dehak and Sanjeev Khudanpur},
journal= {arXiv preprint arXiv:1802.08731},
year = {2018}
}
备注
Accepted for publication at Interspeech 2018