面向低资源语言中的方言包容识别：平衡语料库是答案吗？
计算与语言
2023-07-17 v1 声音
音频与语音处理
摘要
ASR 系统通常针对口语“标准语”构建，其对非标准方言/变体的识别性能会下降。对于像爱尔兰语这样没有单一口语标准、而是有三大主要方言——Ulster(Ul)、Connacht(Co)和 Munster(Mu)——的语言，这是一个问题。作为量化说话者方言对识别性能影响的诊断，我们训练了 12 个 ASR 系统，首先使用基线方言平衡训练语料库，然后使用基线的修改版本，其中方言特定材料被删减或增补。结果表明，方言平衡语料库并未在各方言上产生相似性能：Ul 方言始终表现较差，而 Mu 方言词错率最低。Co 与 Mu 方言之间存在紧密关系，但不对称。这些结果将指导未来的语料库收集与系统构建策略，以优化跨方言性能公平性。
引用
@article{arxiv.2307.07295,
title = {Towards dialect-inclusive recognition in a low-resource language: are balanced corpora the answer?},
author = {Liam Lonergan and Mengjie Qian and Neasa Ní Chiaráin and Christer Gobl and Ailbhe Ní Chasaide},
journal= {arXiv preprint arXiv:2307.07295},
year = {2023}
}
备注
Accepted to Interspeech 2023, Dublin