计算机科学 > 声音
[提交于 2023年6月1日
(v1)
,最后修订 2023年6月22日 (此版本, v2)]
标题: HuBERT 多分辨率探索
标题: Exploration on HuBERT with Multiple Resolutions
摘要: Hubert(隐藏单元 BERT)是一种在语音处理中广泛使用的自监督学习 (SSL) 模型。然而,我们认为其隐藏表示的固定 20 毫秒分辨率对于各种语音处理任务可能并非最佳,因为这些任务的属性(例如说话者特征和语义)基于不同的时间尺度。为了解决这一局限性,我们建议在下游任务中使用多分辨率的 Hubert 表示。我们探索了两种方法,即并行方法和分层方法,用于整合具有不同分辨率的 Hubert 特征。通过实验,我们证明了多分辨率 Hubert 模型的表现优于原始模型。这突显了在像 Hubert 这样的 SSL 模型中利用多分辨率以从语音信号中捕获多样化信息的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.