基于 N-Skipgram 与位置一元文法匹配的无监督语音识别
计算与语言
2023-10-05 v1 声音
音频与语音处理
摘要
训练无监督语音识别系统面临诸多挑战，包括 GAN 相关的不稳定性、语音与文本间的错位，以及显著的内存需求。为应对这些挑战，我们引入了新颖的 ASR 系统 ESPUM。该系统利用低阶 N-skipgram（最高 N=3）结合从小批量样本中收集的位置一元文法统计信息。在 TIMIT 基准上评估，我们的模型在 ASR 与音素分割任务中展现出具有竞争力的性能。我们的公开代码见 https://github.com/lwang114/GraphUnsupASR。
引用
@article{arxiv.2310.02382,
title = {Unsupervised Speech Recognition with N-Skipgram and Positional Unigram Matching},
author = {Liming Wang and Mark Hasegawa-Johnson and Chang D. Yoo},
journal= {arXiv preprint arXiv:2310.02382},
year = {2023}
}