面向端到端低资源语音识别的元学习
声音
2019-10-29 v1 计算与语言
音频与语音处理
摘要
本文提出将元学习应用于低资源自动语音识别 (ASR)。我们将不同语言的 ASR 视为不同任务，并通过近期提出的与模型无关的元学习算法 (MAML)，从多种预训练语言中元学习初始化参数，以在未见过目标语言上实现快速适配。我们使用六种语言作为预训练任务、四种语言作为目标任务评估了所提方法。初步结果表明，所提方法 MetaASR 在所有目标语言上以不同预训练语言组合均显著优于最先进的多任务预训练方法。此外，由于 MAML 的与模型无关特性，本文也为将元学习应用于更多语音相关应用开辟了新研究方向。
引用
@article{arxiv.1910.12094,
title = {Meta Learning for End-to-End Low-Resource Speech Recognition},
author = {Jui-Yang Hsu and Yuan-Jui Chen and Hung-yi Lee},
journal= {arXiv preprint arXiv:1910.12094},
year = {2019}
}
备注
5 pages, submitted to ICASSP 2020