德语口述历史访谈上的人与自动语音识别性能
音频与语音处理
2022-01-19 v1 计算与语言
声音
摘要
近年来自动语音识别系统在转写精度上取得了显著改进。在某些领域，模型现已达到接近人类的性能。然而，在口述历史上的转写性能尚未达到人类精度。在本工作中，我们调查人类与机器转写之间的差距仍然有多大。为此，我们分析并比较了三人在一个新的口述历史数据集上的转写。我们估计在声学条件干净的近期德语口述历史访谈上人类词错误率为 8.7%。为与近期机器转写精度比较，我们给出了对一个在广播语音上达到近人类性能的声学模型进行自适应的实验。我们研究了不同自适应数据对干净与含噪口述历史访谈的鲁棒性与泛化性的影响。我们为此任务将声学模型相对优化 5% 至 8%，并在含噪口述历史上达到 23.9% WER、在干净口述历史上达到 15.6% 词错误率。
引用
@article{arxiv.2201.06841,
title = {Human and Automatic Speech Recognition Performance on German Oral History Interviews},
author = {Michael Gref and Nike Matthiesen and Christoph Schmidt and Sven Behnke and Joachim Köhler},
journal= {arXiv preprint arXiv:2201.06841},
year = {2022}
}
备注
Submitted to LREC 2022