面向端到端语码转换语音识别的数据增强
计算与语言
2024-11-05 v2 音频与语音处理
摘要
训练语码转换端到端自动语音识别（ASR）模型通常需要大量数据，而语码转换数据往往有限。本文提出三种新颖的语码转换数据增强方法。具体而言，分别为：利用已有语码转换数据进行音频拼接，以及通过词翻译或词插入生成新语码转换文本后进行TTS（文本转语音）。我们在200小时中英混合语码转换数据集上的实验表明，三种所提方法均能单独显著提升语码转换ASR性能。此外，所有方法均可与近期流行的SpecAugment结合使用，并获得额外增益。相较于无任何数据增强的系统，词错率（WER）相对降低24.0%，即便与仅使用SpecAugment的系统相比仍有相对13.0%的增益。
引用
@article{arxiv.2011.02160,
title = {Data Augmentation for End-to-end Code-switching Speech Recognition},
author = {Chenpeng Du and Hao Li and Yizhou Lu and Lan Wang and Yanmin Qian},
journal= {arXiv preprint arXiv:2011.02160},
year = {2024}
}
备注
Accepted to SLT 2021