低资源语音识别与爱尔兰方言识别：基于多任务框架的 Hybrid CTC/Attention 模型
计算与语言
2024-05-03 v1 人工智能
声音
音频与语音处理
摘要
本文探讨了在低资源场景下，使用基于 Hybrid CTC/Attention 编码器-解码器模型（采用中间 CTC, InterCTC）进行爱尔兰语（盖尔语）的语音识别（ASR）和方言识别（DID）。结果与当前最佳ASR模型（TDNN-HMM）和DID模型（ECAPA-TDNN）进行比较。首先确定使用 Conformer 编码器的最优 InterCTC 设置，然后基于该设置训练 E-branchformer 编码器模型，比较两种架构的性能。采用多任务微调方法进行语言模型（LM）浅层融合。实验结果显示，DID准确率相对于基线 ECAPA-TDNN 提升了 10.8%，WER性能接近 TDNN-HMM 模型。该多任务方法在爱尔兰低资源 ASR 和 DID 任务中表现前景十分希望。
引用
@article{arxiv.2405.01293,
title = {Low-resource speech recognition and dialect identification of Irish in a multi-task framework},
author = {Liam Lonergan and Mengjie Qian and Neasa Ní Chiaráin and Christer Gobl and Ailbhe Ní Chasaide},
journal= {arXiv preprint arXiv:2405.01293},
year = {2024}
}
备注
7 pages. Accepted to Odyssey 2024 - The Speaker and Language Recognition Workshop