IITKGP-ABSP 提交至 LRE22：低资源环境下的语言识别
音频与语音处理
2025-01-16 v1 声音
摘要
本文详细描述了 IITKGP-ABSP 实验室向 NIST 语言识别评估（LRE）2022 提交的系统。本次 LRE（LRE22）的目标是识别 14 种低资源非洲语言。尽管 NIST 提供了额外的训练和开发数据，我们仍在极端低资源的额外约束下开发我们的系统。我们的主要固定集提交仅使用包含 14 种目标语言话语的 LRE 开发数据。我们进一步限制系统使用任何预训练模型进行特征提取或分类器微调。为了解决低资源问题，我们的系统依赖于多样化的音频增强，随后进行分类器融合。在遵守所有约束的情况下，所提出的方法在 LRE22 开发集上实现了 11.43% 的等错误率（EER）和 0.41 的成本指标。对于计算资源有限或存储/网络能力受限的用户，所提出的系统将有助于实现高效的语种识别（LID）性能。
引用
@article{arxiv.2501.08616,
title = {IITKGP-ABSP Submission to LRE22: Language Recognition in Low-Resource Settings},
author = {Spandan Dey and Md Sahidullah and Goutam Saha},
journal= {arXiv preprint arXiv:2501.08616},
year = {2025}
}
备注
Submission description for NIST LRE 2022