利用 Zipformer 模型提升儿童导向语音代码切换中的语言识别效果
计算与语言
2025-08-14 v1 声音
摘要
代码切换和儿童导向场景中的语言识别面临着显著挑战，尤其是在双语环境中。本文通过使用 Zipformer 处理包含两种不平衡语言（普通话和英语）的语音语句中的细微差异。本工作表明，Zipformer 的内部层能够有效编码语言特征，可用于语言识别。我们提出了从内部层提取嵌入并与不同后端进行比较的选择方法。我们的分析显示，Zipformer 在各种后端上都表现出鲁棒性。我们的方法有效处理不平衡数据，实现了平衡准确率（Balanced Accuracy, BAC）为81.89%，较语言识别基线提高了15.47%。这些发现凸显了Transformer 编码器架构模型在实际场景中的潜力。
引用
@article{arxiv.2508.09430,
title = {Leveraging Zipformer Model for Effective Language Identification in Code-Switched Child-Directed Speech},
author = {Lavanya Shankar and Leibny Paola Garcia Perera},
journal= {arXiv preprint arXiv:2508.09430},
year = {2025}
}