BBS-KWS：获得视频关键词唤醒挑战赛冠军的普通话关键词 spotting 系统
计算与语言
2021-12-06 v1 声音
音频与语音处理
摘要
本文介绍了易盾 NISP 团队提交给视频关键词唤醒挑战赛的系统。我们提出了一种具有若干新颖且有效改进的普通话关键词 spotting(KWS)系统，包括一个大骨干(B)模型、一个关键词偏置(B)机制以及音节建模单元(S)的引入。鉴于此，我们将整体系统缩写为 BBS-KWS。BBS-KWS 系统由一个端到端自动语音识别(ASR)模块和一个 KWS 模块组成。ASR 模块将语音特征转换为文本表示，其对声学模型应用大骨干网络并同时考虑音节建模单元。此外，关键词偏置机制用于在 ASR 推理阶段提高关键词的召回率。KWS 模块应用多准则来判断关键词的有无，例如多阶段匹配、模糊匹配以及连接主义时序分类(CTC)前缀分数。为了进一步提升我们的系统，我们在 CN-Celeb 数据集上进行了半监督学习以获得更好的泛化性。在 VKW 任务中，BBS-KWS 系统相较基线取得显著增益，并在两个赛道中均获得第一名。
引用
@article{arxiv.2112.01757,
title = {BBS-KWS:The Mandarin Keyword Spotting System Won the Video Keyword Wakeup Challenge},
author = {Yuting Yang and Binbin Du and Yingxin Zhang and Wenxuan Wang and Yuke Li},
journal= {arXiv preprint arXiv:2112.01757},
year = {2021}
}