以少量资源从声学上量化语言变体

深度声学模型基于海量数据表示语言信息。遗憾的是，对于区域语言和方言，此类资源大多不可用。然而，深度声学模型可能已学习到可迁移至低资源语言的语言信息。在本研究中，我们通过区分低资源（荷兰语）区域变体的任务来评估是否如此。通过从各种 wav2vec 2.0 模型（包括基于荷兰语预训练和/或微调的新模型）的隐藏层提取嵌入并使用动态时间规整，我们计算了来自四种（区域）语言的超过 100 种个体方言在 10 个词上的平均两两发音差异。然后将所得差异矩阵聚为四类，并与金标准以及基于语音转写比较的划分进行比较。我们的结果表明，声学模型在不需要语音转写的情况下优于（传统的）基于转写的方法，其中多语种的 XLSR-53 模型在荷兰语上微调取得了最佳性能。仅基于六秒语音，所得聚类与金标准紧密匹配。