基于自注意力池化与一维卷积从语音预测语言 ID
音频与语音处理
2022-02-08 v1 计算与语言
摘要
本备忘录描述了 NTR-TSU 为 SIGTYP 2021 从语音预测语言 ID 共享任务提交的方案。口语语言识别（LID）是多语言自动语音识别（ASR）系统流程中的重要步骤。对于许多低资源与濒危语言，可能仅有单说话人录音可用，亟需领域与说话人不变的语言 ID 系统。本备忘录中，我们展示带有自注意力池化层的卷积神经网络在语言识别任务上展现出有前景的结果。
引用
@article{arxiv.2104.11985,
title = {Language ID Prediction from Speech Using Self-Attentive Pooling and 1D-Convolutions},
author = {Roman Bedyakin and Nikolay Mikhaylovskiy},
journal= {arXiv preprint arXiv:2104.11985},
year = {2022}
}
备注
Accepted to SYGTYP-2021