利用多语言瓶颈特征提取器与对应自编码器进行极低资源无ASR关键词检索的特征探索
音频与语音处理
2019-07-16 v2 机器学习
声音
机器学习
摘要
我们比较了在几乎零资源环境下用于引导关键词检索（KWS）的动态时间规整（DTW）特征。此类可快速部署的系统旨在支持联合国（UN）在非洲部分语言极度匮乏地区的人道主义救援工作。我们的目标是识别在此类环境中提供可接受KWS性能的声学特征。作为监督资源，我们仅限于一个小型、易获取且独立编译的孤立关键词集合。对于特征提取，一个在多资源域外语言上训练的多语言瓶颈特征（BNF）提取器，与在极稀疏域内数据上训练的对应自编码器（CAE）相集成。单独来看，BNF与CAE特征相较基线MFCC取得了超过2%的绝对性能提升。然而，通过将BNF作为CAE输入，取得了更佳性能，相较MFCC在ROC AUC上绝对提升超过11%，且对两个评估语言英语与卢干达语的前10检索结果多出两倍以上。我们得出结论，将BNF与CAE集成可同时利用大型域外与稀疏域内资源，以改进无ASR关键词检索。
引用
@article{arxiv.1811.08284,
title = {Feature exploration for almost zero-resource ASR-free keyword spotting using a multilingual bottleneck extractor and correspondence autoencoders},
author = {Raghav Menon and Herman Kamper and Ewald van der Westhuizen and John Quinn and Thomas Niesler},
journal= {arXiv preprint arXiv:1811.08284},
year = {2019}
}
备注
5 pages, 2 figures, 2 tables, 38 references, Accepted at Interspeech 2019