面向德语语音识别中英源词字音转换的多任务学习

英源词（Anglicisms）是德语语音识别中的一项挑战。由于相较于本土德语词其发音不规则，自动生成的发音词典常包含错误的英源词音素序列。本工作中，我们提出一种用于字音转换的多任务序列到序列方法，以改善英源词的音素化。我们为字音转换模型扩展了一个分类器，以区分英源词与本土德语词。借助该方法，模型根据分类结果学习以不同方式生成发音。我们利用该模型创建补充性英源词发音词典，并将其加入已有的德语语音识别模型。在专门的英源词评测集上测试，相较于基线模型我们改进了英源词的识别，将词错误率降低1%、英源词错误率降低3%。我们表明多任务学习有助于解决德语语音识别中英源词的挑战。