利用频谱增强进行语码转换语音语言识别
计算与语言
2020-10-15 v1 声音
音频与语音处理
摘要
语音语言识别（LID）系统用于识别给定音频样本中所出现的语言，通常可作为自动语音识别（ASR）等许多语音处理相关任务的第一步。自动识别语音信号中的语言不仅具有科学意义，在如印度这样的多语言国家也具有实际重要性。在许多印度城市，人们相互交流时可能混合多达三种语言，包括该邦的官方语言、印地语和英语（有时邻近邦的语言也可能在交流中混合）。这使得印度语境下的语音 LID 任务极具挑战性。尽管已实现若干面向印度语言的 LID 系统，但多数使用机构内部收集的小规模语音数据。本工作中，我们对与英语语码混合的三种印度语言（古吉拉特语、泰卢固语和泰米尔语）进行语音 LID。该任务由微软研究团队作为语音 LID 挑战赛组织。我们修改常规的频谱增强方法，提出区分语言 ID 对的语言掩码，从而得到对噪声鲁棒的语音 LID 系统。所提方法在挑战赛建议的两个共享任务的三组语言对上，相较微软提出的基线系统取得约 3-5% 的 LID 准确率相对提升。
引用
@article{arxiv.2010.07130,
title = {Exploiting Spectral Augmentation for Code-Switched Spoken Language Identification},
author = {Pradeep Rangan and Sundeep Teki and Hemant Misra},
journal= {arXiv preprint arXiv:2010.07130},
year = {2020}
}
备注
5 pages, 3 figures, Accepted for INTERSPEECH-2020 - "First Workshop on Speech Technologies for Code-switching in Multilingual Communities 2020"