评估自监督语音表示在美洲原住民语言上的表现
计算与语言
2023-10-10 v2 音频与语音处理
摘要
近年来，将自监督应用于语音表示学习引起了显著兴趣，因其可扩展到大量无标注数据。然而，无论是在预训练还是下游评估方面，许多进展仍集中于仅考虑英语的单语模型。考虑其他语言的模型很少，考虑原住民语言的则更少。在提交给 ASRU 2023 ML-SUPERB 挑战赛新语言赛道的作品中，我们提出了针对克丘亚语（一种南美洲原住民语言）的 ASR 语料库。我们在低资源 ASR 上基准测试了大型 SSL 模型在克丘亚语及另外 6 种原住民语言（如瓜拉尼语和布里布里语）上的效能。我们的结果显示，最先进的 SSL 模型表现出惊人的强劲性能，表明大规模模型对真实世界数据的潜在泛化能力。
引用
@article{arxiv.2310.03639,
title = {Evaluating Self-Supervised Speech Representations for Indigenous American Languages},
author = {Chih-Chen Chen and William Chen and Rodolfo Zevallos and John E. Ortega},
journal= {arXiv preprint arXiv:2310.03639},
year = {2023}
}