利用10分钟无配对域内数据实现噪声鲁棒语音识别
声音
2022-03-30 v1 计算与语言
音频与语音处理
摘要
噪声鲁棒语音识别系统需要大量包括噪声语音数据及相应转录文本的训练数据，以在各种实际环境下达到最先进的性能。然而，现实中如此大量的域内数据并非总是可得。本文中，我们提出一种生成对抗网络从干净频谱模拟噪声频谱（Simu-GAN），其中仅需10分钟无配对域内噪声语音数据作为标签。此外，我们还提出一种双路径语音识别系统以提升系统在噪声条件下的鲁棒性。实验结果表明，所提语音识别系统借助Simu-GAN模拟的噪声数据，在词错误率（WER）上相较最佳基线取得7.3%的绝对提升。
引用
@article{arxiv.2203.15321,
title = {Noise-robust Speech Recognition with 10 Minutes Unparalleled In-domain Data},
author = {Chen Chen and Nana Hou and Yuchen Hu and Shashank Shirol and Eng Siong Chng},
journal= {arXiv preprint arXiv:2203.15321},
year = {2022}
}
备注
Accepted by ICASSP2022