面向中英码切换语音识别的语言特定声学边界学习
声音
2023-06-09 v1
摘要
码切换语音识别（CSSR）转录在单个句子中于多种语言或方言间切换的语音。该任务的主要挑战在于不同语言常具有相似发音，使模型难以区分。本文从语言特定声学边界学习的角度提出一种解决 CSSR 任务的方法。我们引入语言特定权重估计器（LSWE）分别对不同语言的声学边界学习建模。此外，采用非自回归（NAR）解码器与语言变化检测（LCD）模块辅助训练。在 SEAME 语料库上的评估表明，我们的方法在 test_man 和 test_sge 集上取得了 16.29% 和 22.81% 的业界最优混合错误率（MER）。我们还在 9000 小时的内部会议码切换数据集上验证了方法有效性，取得了相对 7.9% 的 MER 降低。
引用
@article{arxiv.2306.05279,
title = {Language-specific Acoustic Boundary Learning for Mandarin-English Code-switching Speech Recognition},
author = {Zhiyun Fan and Linhao Dong and Chen Shen and Zhenlin Liang and Jun Zhang and Lu Lu and Zejun Ma},
journal= {arXiv preprint arXiv:2306.05279},
year = {2023}
}