用于连续语音关键词 spotting 的 EfficientNet-Absolute Zero
声音
2021-01-01 v1 计算与语言
音频与语音处理
摘要
关键词 spotting 是计算机从录音语音中查找特定词或短语的过程。深度神经网络算法作为强力引擎，若在合适数据集上训练便可处理此问题。为此，我们通过众包收集了足球关键词数据集（FKD），作为一种波斯语关键词 spotting 新数据集。该数据集包含约 31000 条样本，分 18 类。所提出的连续语音合成方法使 FKD 可用于处理连续语音的实际应用。此外，我们通过对 EfficientNet-B0 应用复合缩放方法，提出了一种称为 EfficientNet-A0（absolute zero）的轻量架构，用于关键词 spotting 任务。最后，我们用多种模型评估了所提架构。结果表明，EfficientNet-A0 与 Resnet 模型在该数据集上优于其他模型。
引用
@article{arxiv.2012.15695,
title = {EfficientNet-Absolute Zero for Continuous Speech Keyword Spotting},
author = {Amir Mohammad Rostami and Ali Karimi and Mohammad Ali Akhaee},
journal= {arXiv preprint arXiv:2012.15695},
year = {2021}
}
备注
9 pages, 2 figures