探索用于英语误发音检测与诊断的非自回归端到端神经建模
计算与语言
2022-02-23 v2 多媒体
摘要
端到端（E2E）神经建模已成为开发计算机辅助语言训练（CAPT）系统的一种主流思路，展现出与传统基于发音评分的方法相竞争的性能。然而，当前用于CAPT的E2E神经方法面临至少两个关键挑战。一方面，大多数E2E方法以自回归方式运行，采用自左向右的束搜索来判定二语学习者的发音。但这导致推理速度非常慢，不可避免地阻碍了其实际应用。另一方面，E2E神经方法通常需要大量数据，同时非母语训练数据不足往往会降低其在误发音检测与诊断（MD&D）上的效能。为此，我们提出了一种新颖的MD&D方法，利用非自回归（NAR）E2E神经建模在大幅加快推理时间的同时，保持与传统E2E神经方法相当的性能。此外，我们设计并开发了一个堆叠于本方法NAR E2E模型之上的发音建模网络，以进一步提升MD&D的有效性。在L2-ARCTIC英语数据集上进行的实证实验似乎验证了本方法的可行性，优于一些顶尖的E2E模型以及基于DNN-HMM声学模型的标志性发音评分方法。
引用
@article{arxiv.2111.00844,
title = {Exploring Non-Autoregressive End-To-End Neural Modeling For English Mispronunciation Detection And Diagnosis},
author = {Hsin-Wei Wang and Bi-Cheng Yan and Hsuan-Sheng Chiu and Yung-Chang Hsu and Berlin Chen},
journal= {arXiv preprint arXiv:2111.00844},
year = {2022}
}
备注
Accepted for ICASSP2022