跨语料语言识别：以印度语言为主的初步研究
音频与语音处理
2021-05-13 v2 声音
摘要
本文开展了口语语言识别（LID）问题中跨语料性能评估的极早期研究之一。跨语料评估在 LID 研究中鲜有探索，尤其针对印度语言。我们选取了三个印度口语语料：IIITH-ILSC、LDC South Asian 与 IITKGP-MLILSC。对于每个语料，均基于最先进的时间延迟神经网络（TDNN）架构与 MFCC 特征训练 LID 系统。我们观察到跨语料评估时 LID 性能急剧下降。例如，在 IIITH-ILSC 语料上训练的系统，在同语料与 LDC South Asian 语料上评估的平均等错误率（EER）分别为 11.80% 与 43.34%。我们的初步分析显示这些语料在长期平均谱（LTAS）与信噪比（SNR）失配方面存在显著差异。随后，我们应用不同的特征级补偿方法以降低跨语料声学失配。结果表明这些特征归一化方案有助于在跨语料实验中取得有前景的 LID 性能。
引用
@article{arxiv.2105.04639,
title = {Cross-Corpora Language Recognition: A Preliminary Investigation with Indian Languages},
author = {Spandan Dey and Goutam Saha and Md Sahidullah},
journal= {arXiv preprint arXiv:2105.04639},
year = {2021}
}
备注
Accepted in EUSIPCO 2021 : European Signal Processing Conference