面向低资源语言构建 ASR 的无监督域自适应方案
计算与语言
2021-09-17 v2 声音
音频与语音处理
摘要
从零构建自动语音识别（ASR）系统需要大量标注语音数据，这在许多语言中难以收集。然而，存在低资源语言与拥有足够标注数据可构建 ASR 的高资源语言共享声学空间的情况。在此类情形下，我们表明通过无监督域自适应（UDA）方案从高资源语言学到的域无关声学模型可提升低资源语言 ASR 的性能。我们以源域印地语与目标域梵语为具体示例。我们探索两种架构：i）使用梯度反转层（GRL）的域对抗训练，以及 ii）域分离网络（DSN）。当仅在目标域 5.5 小时数据上训练时，GRL 与 DSN 架构相较基线深度神经网络模型在词错误率上分别带来 6.71% 与 7.32% 的绝对提升。我们还表明在源域选取合适的语言（泰卢固语）可带来进一步改善。结果表明 UDA 方案有助于低资源语言 ASR 系统的开发，减轻收集大量标注语音数据的麻烦。
引用
@article{arxiv.2109.05494,
title = {Unsupervised Domain Adaptation Schemes for Building ASR in Low-resource Languages},
author = {Anoop C S and Prathosh A P and A G Ramakrishnan},
journal= {arXiv preprint arXiv:2109.05494},
year = {2021}
}
备注
Submitted to ASRU 2021