Sometin Beta Pass Notin (SBPN)：通过知识蒸馏提升尼日利亚语言多语言语音识别

虽然现代多语言语音识别 (ASR) 系统支持多个尼日利亚语言，但其性能始终落后于像英语和法语等高资源语言。尼日利亚语言 presents 独特的建模挑战，包括严重的数据稀缺、拼写不一致、声调变体、多样化的口音、频繁的代码切换以及局部化的专有实体。为应对这些挑战，我们开发了一个多语言 ASR 框架，采用两阶段蒸馏过程。首先，我们利用基于强语言特定 N gram 语言模型的条件，从现有单语言模型进行学生-教师知识蒸馏。其次，我们利用伪标记数据进行迭代自我改进，以进一步提升准确率。我们的方法显著缩小了性能差距，平均相对词错误率 (WER) 降低 29%。我们的模型在主要基准测试（包括 Common Voice 和 Fleurs）上均优于最先进的多语言模型。我们引入 Sometin Beta Pass Notin (SBPN)，一个覆盖 Yor\`ub\'a、Hausa、Igbo、尼日利亚皮滕语和尼日利亚英语的基础多语言 ASR 模型。SBPN 提供两种规模：SBPN-Base（1.2 亿参数）和 SBPN-Large（6 亿参数）。通过将这些作为开放基础模型发布，我们旨在为进一步研究该地区声学和文化景观提供语音识别资源。