语言无关的多语言建模
音频与语音处理
2020-04-22 v1 声音
机器学习
摘要
多语言自动语音识别（ASR）系统允许在单一模型中联合训练数据丰富和数据稀缺的语言。这使得跨语言的数据和参数共享成为可能，这对数据稀缺的语言尤为有利。然而，大多数 SOTA 多语言模型需要编码语言信息，因此在扩展到新语言时不够灵活或可扩展。语言无关的多语言模型有助于解决这一问题，并且更适合多种语言经常混合使用的多元文化社会（但通常以不同的书写系统呈现）。在本文中，我们提出了一种构建语言无关多语言 ASR 系统的新方法，该方法通过多对一音译转换器将所有语言转换为一种书写系统。因此，发音相似的声学特征被映射到单一、规范的字素目标序列，从而有效分离了建模与渲染问题。我们以四种印度语系语言（即印地语、孟加拉语、泰米尔语和卡纳达语）为例表明，与语言相关的多语言模型相比，语言无关的多语言模型在词错率（WER）上实现了高达 10% 的相对降低。
引用
@article{arxiv.2004.09571,
title = {Language-agnostic Multilingual Modeling},
author = {Arindrima Datta and Bhuvana Ramabhadran and Jesse Emond and Anjuli Kannan and Brian Roark},
journal= {arXiv preprint arXiv:2004.09571},
year = {2020}
}