MALACH项目中基于Transformer的正式与口语化捷克语自动语音识别
计算与语言
2022-10-04 v1
摘要
捷克语是一种非常特殊的语言，因其正式与口语形式的言语之间存在巨大差异。正式（书面）形式主要用于官方文件、文学和公开演讲，而口语（口头）形式则在人们日常随意交谈中广泛使用。这一鸿沟给ASR系统带来严重问题，尤其在包含大量口语语音的数据集（如MALACH项目）上训练或评估ASR模型时。本文在新范式——近期引入的自监督音频Transformer——的背景下解决此问题。具体而言，我们研究口语语音对Wav2Vec 2.0模型性能的影响，及其直接将口语语音转写为正式文本的能力。我们给出了在训练转录、语言模型与评估转录中同时包含正式与口语形式的结果。
引用
@article{arxiv.2206.07666,
title = {Transformer-based Automatic Speech Recognition of Formal and Colloquial Czech in MALACH Project},
author = {Jan Lehečka and Josef V. Psutka and Josef Psutka},
journal= {arXiv preprint arXiv:2206.07666},
year = {2022}
}
备注
to be published in Proceedings of TSD 2022