通过语言相似性分析改进低资源语言的跨语言语音表示

本文研究了在低资源语言的语音处理中，语言相似性如何影响跨语言语音表示，并强调了有效的源语言选择。以往的跨语言研究使用各种源语言来增强目标低资源语言的性能，而没有充分考虑选择问题。我们的研究通过对语言选择的深入分析而脱颖而出，并得到了评估多个语系之间语音接近度的实用方法的支持。我们调查了语系内相似性如何影响多语言训练的性能，这有助于理解语言动态。我们还评估了使用语音相似语言的效果，而不考虑语系。对于音素识别任务，利用语音相似语言始终比单语训练获得 55.6% 的相对改进，甚至超越了大规模自监督学习模型的性能。同一语系内的多语言训练表明，较高的语音相似性可提高性能，而较低的相似性则导致性能相比单语训练有所下降。