数据增强对改善唇腭裂语音识别的重要意义
音频与语音处理
2021-10-05 v1 声音
摘要
病理语音的自动识别，尤其是来自任何发音障碍儿童的语音，由于多种原因而是一项具有挑战性的任务。缺乏可用的特定领域数据是阻碍其用于面向病理说话人的不同基于语音应用的障碍之一。针对该挑战，本工作研究几种数据增强技术以模拟训练数据，从而针对唇腭裂（CLP）语音的情况改善儿童语音识别。本研究中探索的增强技术包括声道长度扰动（VTLP）、混响、语速、音高修改，以及使用循环一致对抗网络（CycleGAN）的语音特征修改。我们的研究发现，数据增强方法显著改善了CLP语音识别性能，当我们使用基于CycleGAN的特征修改、VTLP和混响的方法时这一点更为明显。更具体地，本研究结果表明，与无数据增强的系统相比，我们的系统产生了改善的音素错误率。
引用
@article{arxiv.2110.00797,
title = {Significance of Data Augmentation for Improving Cleft Lip and Palate Speech Recognition},
author = {Protima Nomo Sudro and Rohan Kumar Das and Rohit Sinha and S. R. Mahadeva Prasanna},
journal= {arXiv preprint arXiv:2110.00797},
year = {2021}
}