MADI：用于跨域语音识别的域间匹配与域内判别
计算与语言
2023-02-23 v1 声音
音频与语音处理
摘要
端到端自动语音识别（ASR）应用于新域时通常因域偏移而出现性能下降。无监督域适应（UDA）旨在通过将知识从源域迁移至目标域来提升无标签目标域上的性能。为提升可迁移性，现有UDA方法主要关注源域与目标域分布的全局和/或局部匹配，却忽略了模型判别性。本文提出一种通过域间匹配与域内判别（MADI）实现的ASR新UDA方法，其通过细粒度域间匹配提升模型可迁移性，并同时通过域内对比判别提升判别性。在 Libri-Adapt 数据集上的评估证明了方法的有效性。MADI 在跨设备与跨环境 ASR 上分别将相对词错率（WER）降低 17.7% 与 22.8%。
引用
@article{arxiv.2302.11224,
title = {MADI: Inter-domain Matching and Intra-domain Discrimination for Cross-domain Speech Recognition},
author = {Jiaming Zhou and Shiwan Zhao and Ning Jiang and Guoqing Zhao and Yong Qin},
journal= {arXiv preprint arXiv:2302.11224},
year = {2023}
}
备注
Accepted to ICASSP 2023