Scribosermo：面向德语及其他语言的快速语音转文本模型
计算与语言
2021-10-18 v1 声音
音频与语音处理
摘要
近期语音转文本模型通常需要大量硬件资源，且大多以英语训练。本文提出面向德语以及西班牙语和法语的语音转文本模型，具有以下特点：（a）模型小巧，可在树莓派等微控制器上实时运行。（b）利用预训练的英语模型，可在消费级硬件上以相对较小的数据集进行训练。（c）模型与其他解决方案相比具有竞争力，且在德语上优于它们。就此而言，这些模型结合了其他方法的优势，而其他方法仅包含所提特征的一部分。此外，本文提供了一个用于处理数据集的新库，该库专注于通过额外数据集轻松扩展，并展示了一种利用具有相似字母表的另一种语言的预训练模型进行新语言迁移学习的优化方法。
引用
@article{arxiv.2110.07982,
title = {Scribosermo: Fast Speech-to-Text models for German and other Languages},
author = {Daniel Bermuth and Alexander Poeppel and Wolfgang Reif},
journal= {arXiv preprint arXiv:2110.07982},
year = {2021}
}