SpliceOut：一种简单高效的音频增强方法
声音
2021-10-14 v2 人工智能
机器学习
音频与语音处理
摘要
时间掩码（time masking）已成为语音与音频任务（包括自动语音识别（ASR）和音频分类）中事实上的增强技术，最显著的是作为 SpecAugment 的一部分。在本工作中，我们提出 SpliceOut，一种对时间掩码的简单改进，使其在计算上更高效。SpliceOut 在多种语音与音频任务上表现与 SpecAugment 相当（有时更优），包括使用不同训练数据量的七种语言的 ASR，以及语音翻译、声音与音乐分类，从而确立其作为一种广泛适用的音频增强方法。SpliceOut 在与其他增强技术结合使用时还能带来额外的增益。除全监督设定外，我们还展示了 SpliceOut 能够补充无监督表示学习，在半监督和自监督设定下均带来性能提升。
引用
@article{arxiv.2110.00046,
title = {SpliceOut: A Simple and Efficient Audio Augmentation Method},
author = {Arjit Jain and Pranay Reddy Samala and Deepak Mittal and Preethi Jyoti and Maneesh Singh},
journal= {arXiv preprint arXiv:2110.00046},
year = {2021}
}