面向中英混合码率语音识别的端到端解决方案
计算与语言
2019-07-12 v2
摘要
混合码率（CS）是指说话人在同一话语或交替话语中使用不同语言的语言现象。在本工作中，我们研究面向中英混合码率语音识别（CSSR）任务的端到端（E2E）方法。我们首先考察了使用数据增强与字节对编码（BPE）子词单元的有效性。更重要的是，我们提出了一种多任务学习方案，除E2E语音识别任务外，还显式地学习语言识别任务。此外，我们引入了一种高效的词表扩展方法用于语言建模，以缓解混合码率场景下的数据稀疏问题。在SEAME数据（一个中英CS语料库）上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.1811.00241,
title = {On the End-to-End Solution to Mandarin-English Code-switching Speech Recognition},
author = {Zhiping Zeng and Yerbolat Khassanov and Van Tung Pham and Haihua Xu and Eng Siong Chng and Haizhou Li},
journal= {arXiv preprint arXiv:1811.00241},
year = {2019}
}
备注
Accepted for Interspeech 2019