低资源ASR的方言适配与数据增强：TalTech在MADASR 2023挑战赛中的系统
计算与语言
2023-10-27 v1 音频与语音处理
摘要
本文描述了塔林理工大学（TalTech）为ASRU MADASR 2023挑战赛开发的系统。该挑战赛聚焦于方言丰富的印度语言的自动语音识别，其训练音频与文本数据有限。TalTech参与了挑战赛的两个赛道：仅允许使用所提供的训练数据的赛道1，以及允许使用额外音频数据的赛道3。在两个赛道中，我们均依赖wav2vec2.0模型。我们的方法在传统微调预训练wav2vec2.0模型流程的两个关键点上有所不同：首先，通过实施对齐数据增强技术以提升训练数据的语言多样性；其次，通过应用深度前缀微调（deep prefix tuning）进行wav2vec2.0模型的方言适配。在两个赛道中，我们的方法相较提供的基线均取得显著改进，在所有参赛队伍中实现了最低的词错误率。
引用
@article{arxiv.2310.17448,
title = {Dialect Adaptation and Data Augmentation for Low-Resource ASR: TalTech Systems for the MADASR 2023 Challenge},
author = {Tanel Alumäe and Jiaming Kong and Daniil Robnikov},
journal= {arXiv preprint arXiv:2310.17448},
year = {2023}
}