探索无词典建模单元用于端到端韩语及韩英码切换语音识别
声音
2019-10-28 v1 音频与语音处理
摘要
随着基于字符的端到端自动语音识别（ASR）模型的发展，声学建模单元的选择变得重要。由于韩语是一种相当表音的语言，并拥有带其特有韩文字母的独特书写系统，值得为端到端韩语 ASR 任务研究建模单元。在本工作中，我们引入韩语中的无词典建模单元，并使用混合 CTC/基于注意力编码器-解码器模型对其进行探索。研究了五种无词典单元：基于音节的韩文字符（码切换任务中使用英文字符）、韩文 Jamo 字符（使用英文字符）、基于音节字符的子词（英语中使用子词）、基于 Jamo 字符的子词（英语中使用子词），以及最后的字节单元（跨语言的通用单元）。分别在 Zeroth-Korean（51.6 小时）和 Medical Record（2530 小时）上进行了韩语及韩英码切换 ASR 任务的实验。基于韩语音节（及英语子词）的子词序列到序列学习在两项任务中均表现最佳，且无需词典和额外的语言模型集成。
引用
@article{arxiv.1910.11590,
title = {Exploring Lexicon-Free Modeling Units for End-to-End Korean and Korean-English Code-Switching Speech Recognition},
author = {Jisung Wang and Jihwan Kim and Sangki Kim and Yeha Lee},
journal= {arXiv preprint arXiv:1910.11590},
year = {2019}
}
备注
5 pages, 3 figures