通过多域训练改进口音语音识别
机器学习
2023-03-15 v1 计算与语言
声音
音频与语音处理
摘要
得益于自监督学习的兴起，自动语音识别（ASR）系统如今在多种数据集上达到了接近人类的表现。然而，它们仍缺乏泛化能力，且对如口音变化等域偏移不够鲁棒。在这项工作中，我们使用代表四种不同法语口音的语音音频来创建微调数据集，以提升预训练 ASR 模型的鲁棒性。通过在训练集中纳入多种口音，我们获得了域内与域外的双重改进。我们的数值实验表明，与单域训练相比，我们能在非洲和比利时口音上将错误率相对降低至多 25%，同时在标准法语上保持良好性能。
引用
@article{arxiv.2303.07924,
title = {Improving Accented Speech Recognition with Multi-Domain Training},
author = {Lucas Maison and Yannick Estève},
journal= {arXiv preprint arXiv:2303.07924},
year = {2023}
}
备注
5 pages, 2 figures. Accepted to ICASSP 2023