基于数据增强与注意力机制的非母语者英语词汇重音错误检测
音频与语音处理
2021-06-08 v2 声音
摘要
本文描述了两种新颖且互补的技术，可改进非母语（L2）英语语音中词汇重音错误的检测：基于注意力的特征提取与基于神经文本转语音（TTS）的数据增强。在经典方法中，音频特征通常从语音的固定区域（如音节核）提取。我们提出了一种基于注意力的深度学习模型，可从帧级与音素级音频特征中自动导出最优音节级表示。由于错误重音模式数量有限，训练该模型颇具挑战。为解决此问题，我们提出用神经 TTS 生成错误重音单词来扩充训练集。结合两种技术，在斯拉夫语与波罗的语使用者的 L2 英语语音中检测错误重音单词取得了 94.8% 准确率与 49.2% 召回率。
引用
@article{arxiv.2012.14788,
title = {Detection of Lexical Stress Errors in Non-Native (L2) English with Data Augmentation and Attention},
author = {Daniel Korzekwa and Roberto Barra-Chicote and Szymon Zaporowski and Grzegorz Beringer and Jaime Lorenzo-Trueba and Alicja Serafinowicz and Jasha Droppo and Thomas Drugman and Bozena Kostek},
journal= {arXiv preprint arXiv:2012.14788},
year = {2021}
}
备注
Accepted to Interspeech 2021