超越受控环境：评估 ASR 鲁棒 NLU 模型向现实世界应用的可迁移性
音频与语音处理
2024-01-18 v1 人工智能
声音
摘要
本研究调查了自动语音识别 (ASR) 鲁棒的自然语言理解 (NLU) 模型从受控实验条件向实际现实世界应用的可迁移性。研究聚焦于乌尔都语智能家居自动化命令，评估了模型在不同噪声分布、语言变化和 ASR 错误场景下的性能。利用 UrduBERT 模型，本研究采用了一种系统的方法，涉及现实世界数据收集、交叉验证、迁移学习、噪声变化研究和领域自适应。评估指标包括特定任务的准确率、延迟、用户满意度以及对 ASR 错误的鲁棒性。研究结果为 ASR 鲁棒 NLU 模型在超越受控环境方面的挑战和适应性提供了见解。
引用
@article{arxiv.2401.09354,
title = {Transcending Controlled Environments Assessing the Transferability of ASRRobust NLU Models to Real-World Applications},
author = {Hania Khan and Aleena Fatima Khalid and Zaryab Hassan},
journal= {arXiv preprint arXiv:2401.09354},
year = {2024}
}