儿童语音识别的持续学习：利用弹性权重巩固与突触智能克服灾难性遗忘
音频与语音处理
2025-10-07 v1
摘要
在本研究中，我们首次探讨了在线学习环境下的儿童自动语音识别（ASR）问题。这对于以儿童为中心的应用以及未成年人隐私保护尤为重要，在这些场景下，使用按序到达的数据训练模型至关重要。传统的模型微调方法通常会受到灾难性遗忘的影响。为了解决这一问题，我们探索了两种已有技术：弹性权重巩固（EWC）和突触智能（SI）。在专为在线学习环境定制的 MyST 语料库上使用自定义协议，与微调基线相比，我们使用 EWC 和 SI 分别实现了 5.21% 和 4.36% 的相对词错误率（WER）降低。
引用
@article{arxiv.2505.20216,
title = {Continuous Learning for Children's ASR: Overcoming Catastrophic Forgetting with Elastic Weight Consolidation and Synaptic Intelligence},
author = {Edem Ahadzi and Vishwanath Pratap Singh and Tomi Kinnunen and Ville Hautamaki},
journal= {arXiv preprint arXiv:2505.20216},
year = {2025}
}
备注
Accepted at INTERSPEECH 2025. 5 pages