利用语言无关的子词判别特征表示实现无监督声学单元发现
音频与语音处理
2021-06-08 v2 计算与语言
声音
摘要
本文致力于从无标注语音数据中自动发现类音素声学单元（AUD）。以往研究通常提出单步方法。我们提出一种两阶段方法：第一阶段学习子词判别特征表示，第二阶段对所学表示进行聚类并得到类音素簇作为发现的声学单元。在第一阶段，通过以多语言OutOf-Domain（OOD）ASR系统替换单语言OOD ASR系统，改进了无监督子词建模任务中近期提出的一种方法，从而创建更具语言无关性的子词判别表示。在第二阶段，采用片段级k-means，并比较了将变长语音片段表示为定维特征向量的两种方法。在极低资源Mboshi语言语料上的实验表明，我们的方法在归一化互信息（NMI）和F值上均优于最先进的AUD。多语言ASR在提供OOD音素标注和估计音素边界方面均优于单语言ASR。在已知与未知真实音素边界的系统对比中显示出16%的NMI性能差距，表明当前方法可显著受益于改进的音素边界估计。
引用
@article{arxiv.2104.00994,
title = {Unsupervised Acoustic Unit Discovery by Leveraging a Language-Independent Subword Discriminative Feature Representation},
author = {Siyuan Feng and Piotr Żelasko and Laureano Moro-Velázquez and Odette Scharenborg},
journal= {arXiv preprint arXiv:2104.00994},
year = {2021}
}
备注
Accepted for publication in INTERSPEECH 2021