由粗到精与跨语言的 ASR 迁移
计算与语言
2021-09-03 v1
摘要
端到端神经自动语音识别系统近期取得了最优结果，但其需要大规模数据集与大量计算资源。迁移学习已被提出以克服这些困难，甚至可跨语言进行，例如由英语模型训练德语 ASR。我们以关联度低得多的语言进行实验，复用英语模型训练捷克语 ASR。为简化迁移，我们提出使用一种中间字母表，即无重音的捷克语，并证实这是一种极为有效的策略。该技术在仅使用捷克语数据时同样有用，类似于由粗到精的训练方式。我们在训练时间与词错误率（WER）上均实现了大幅降低。
引用
@article{arxiv.2109.00916,
title = {Coarse-To-Fine And Cross-Lingual ASR Transfer},
author = {Peter Polák and Ondřej Bojar},
journal= {arXiv preprint arXiv:2109.00916},
year = {2021}
}
备注
Accepted to ITAT WAFNL