在台湾闽南语语料库上评估自监督语音模型
计算与语言
2023-12-13 v1 声音
音频与语音处理
摘要
由于台湾的语言向普通话转移，台湾闽南语的使用和地位正在下降。这也是它如今在自然语言处理和语音研究中成为低资源语言的部分原因。为了确保最先进的语音处理技术不会将台湾闽南语抛在后面，我们向ML-SUPERB的隐藏集贡献了一个1.5小时的台湾闽南语数据集。在我们的数据集上评估ML-SUPERB的自监督学习（SSL）语音表示套件，我们发现模型大小并不一致地决定性能。事实上，某些较小的模型优于较大的模型。此外，预训练数据与目标语言之间的语言对齐起着至关重要的作用。
引用
@article{arxiv.2312.06668,
title = {Evaluating Self-supervised Speech Models on a Taiwanese Hokkien Corpus},
author = {Yi-Hui Chou and Kalvin Chang and Meng-Ju Wu and Winston Ou and Alice Wen-Hsin Bi and Carol Yang and Bryan Y. Chen and Rong-Wei Pai and Po-Yen Yeh and Jo-Peng Chiang and Iu-Tshian Phoann and Winnie Chang and Chenxuan Cui and Noel Chen and Jiatong Shi},
journal= {arXiv preprint arXiv:2312.06668},
year = {2023}
}
备注
Accepted to ASRU 2023