CPT 增强的 Wav2vec2.0：迈向教室环境下的噪声鲁棒语音识别
计算与语言
2025-03-13 v4 机器学习
声音
音频与语音处理
摘要
创建对教室条件具有鲁棒性和适应性的自动语音识别(ASR)系统，对于开发辅助教师和学生的 AI 工具至关重要。在这项工作中，我们研究了持续预训练(CPT)在使 Wav2vec2.0 适应教室领域方面的有效性。我们表明 CPT 在这方面是一个强大的工具，它将基于 Wav2vec2.0 的模型的词错误率(WER)降低了 10% 以上。更具体地说，CPT 提高了模型对不同噪声、麦克风和教室条件的鲁棒性。
关键词
引用
@article{arxiv.2409.14494,
title = {CPT-Boosted Wav2vec2.0: Towards Noise Robust Speech Recognition for Classroom Environments},
author = {Ahmed Adel Attia and Dorottya Demszky and Tolulope Ogunremi and Jing Liu and Carol Espy-Wilson},
journal= {arXiv preprint arXiv:2409.14494},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2405.13018