Vistaar：面向印度语言ASR的多样化基准与训练集
计算与语言
2023-08-03 v2 声音
音频与语音处理
摘要
改进ASR系统对于让基于LLM的新用例惠及全球人群十分必要。本文聚焦印度语言，并论证需要多样化基准来评估和改进印度语言的ASR系统。为此，我们整理出Vistaar作为一组跨越多种语言与领域组合的59个基准，并在其上评估了3个公开可用的ASR系统与2个商业系统。我们还通过在12种印度语言上总计10.7K小时的公开可用训练数据集微调Whisper模型，训练了IndicWhisper模型。我们展示IndicWhisper在Vistaar基准上相较所考虑的ASR系统显著改进。事实上，IndicWhisper在59个基准中的39个上取得了最低WER，平均降低4.1 WER。我们开源了所有数据集、代码与模型。
引用
@article{arxiv.2305.15386,
title = {Vistaar: Diverse Benchmarks and Training Sets for Indian Language ASR},
author = {Kaushal Santosh Bhogale and Sai Sundaresan and Abhigyan Raman and Tahir Javed and Mitesh M. Khapra and Pratyush Kumar},
journal= {arXiv preprint arXiv:2305.15386},
year = {2023}
}
备注
Accepted in INTERSPEECH 2023