SMILE：面向低资源语言自动语音识别的语音元上下文学习
音频与语音处理
2025-06-17 v2 计算与语言
声音
摘要
自动语音识别（ASR）模型在高资源语言上表现出色，但由于训练数据有限和跨语言泛化能力不足，在应用于低资源语言时面临重大挑战。现有的适应策略，如浅融合、数据增强和直接微调，要么依赖外部资源，要么存在计算效率低下的问题，或者在测试时适应场景中失败。为了解决这些局限性，我们引入了语音元上下文学习（SMILE），这是一个将元学习与语音上下文学习（SICL）相结合的创新框架。SMILE 利用来自高资源语言的元训练，实现对低资源语言的鲁棒少样本泛化，而无需在目标领域上进行显式微调。在 ML-SUPERB 基准上的大量实验表明，SMILE 始终优于基线方法，在无需训练的少样本多语言 ASR 任务中显著降低了字符和词错误率。
引用
@article{arxiv.2409.10429,
title = {SMILE: Speech Meta In-Context Learning for Low-Resource Language Automatic Speech Recognition},
author = {Ming-Hao Hsu and Hung-yi Lee},
journal= {arXiv preprint arXiv:2409.10429},
year = {2025}
}