UserLibri：仅使用文本进行 ASR 个性化的数据集
音频与语音处理
2022-07-05 v1 计算与语言
机器学习
摘要
移动设备上的语音模型个性化（端侧个性化）是一个活跃的研究领域，但移动设备往往拥有更多的纯文本数据而非配对的音频-文本数据。我们探索在纯文本数据上训练个性化语言模型，并在推理时用于改善该用户的语音识别性能。我们在一个按用户聚类的 LibriSpeech 语料库上实验，并为每个用户补充来自 Project Gutenberg 的个性化纯文本数据。我们发布此用户特定 LibriSpeech（UserLibri）数据集以助未来的个性化研究。LibriSpeech 的音频-转录对从 test-clean 数据集分组为 55 个用户、从 test-other 分组为 52 个用户。我们能够在流式与非流式模型中降低两组各自每用户的平均词错误率，包括在流式时对更困难的 test-other 用户集取得 2.5 的改进。
引用
@article{arxiv.2207.00706,
title = {UserLibri: A Dataset for ASR Personalization Using Only Text},
author = {Theresa Breiner and Swaroop Ramaswamy and Ehsan Variani and Shefali Garg and Rajiv Mathews and Khe Chai Sim and Kilol Gupta and Mingqing Chen and Lara McConnaughey},
journal= {arXiv preprint arXiv:2207.00706},
year = {2022}
}
备注
Accepted for publication in Interspeech 2022. 9 total pages with appendix, 9 total tables, 5 total figures