基于数据增强声学模型与语言模型的语码转换检测
计算与语言
2018-08-03 v1
摘要
本文研究了一个语码转换(CS)自动语音识别(ASR)系统在采用数据增强的声学模型与语言模型时的语码转换检测性能。我们关注弗里斯兰语-荷兰语广播的识别,其中混合语言之一即弗里斯兰语资源不足。近来,我们探索了声学建模(AM)如何从高资源混合语言的单语语音数据中获益。为此,我们通过应用自动转写与单语荷兰语语音,在显著增加的 CS 语音量上训练了最先进的 AM。此外,我们通过多种方式改进了语言模型(LM),包括使用在现有 CS 文本上训练的循环 LM 进行文本生成来创建 CS 文本。受显著改善的 CS ASR 性能启发,我们在本工作中深入探究同一 ASR 系统的 CS 检测性能,报告 CS 检测准确率并给出详细的检测误差分析。
引用
@article{arxiv.1808.00521,
title = {Code-Switching Detection with Data-Augmented Acoustic and Language Models},
author = {Emre Yılmaz and Henk van den Heuvel and David A. van Leeuwen},
journal= {arXiv preprint arXiv:1808.00521},
year = {2018}
}
备注
Accepted for publication at SLTU 2018. arXiv admin note: substantial text overlap with arXiv:1807.10945