Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.01303

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2306.01303 (cs)
[提交于 2023年6月2日 ]

标题: DistilXLSR:一种轻量级跨语言语音表示模型

标题: DistilXLSR: A Light Weight Cross-Lingual Speech Representation Model

Authors:Haoyu Wang, Siyuan Wang, Wei-Qiang Zhang, Jinfeng Bai
摘要: 多语言自监督语音表征模型极大地提升了低资源语言的语音识别性能,同时这些庞大模型的压缩也成为其工业应用的关键先决条件。 本文提出了一种名为DistilXLSR的蒸馏跨语言语音表征模型。通过随机打乱现有语音的音素,减少语言信息,并仅使用英语数据来蒸馏跨语言模型。我们还设计了一种层跳跃初始化方法,以充分利用教师模型的预训练权重。实验结果显示,在两种教师模型和15种低资源语言上的测试表明,我们的方法可以在保持跨语言表征能力的同时将参数量减少50%。此外,我们的方法被证明对各种语言/教师模型具有通用性,并有可能提升英语预训练模型的跨语言性能。
摘要: Multilingual self-supervised speech representation models have greatly enhanced the speech recognition performance for low-resource languages, and the compression of these huge models has also become a crucial prerequisite for their industrial application. In this paper, we propose DistilXLSR, a distilled cross-lingual speech representation model. By randomly shuffling the phonemes of existing speech, we reduce the linguistic information and distill cross-lingual models using only English data. We also design a layer-jumping initialization method to fully leverage the teacher's pre-trained weights. Experiments on 2 kinds of teacher models and 15 low-resource languages show that our method can reduce the parameters by 50% while maintaining cross-lingual representation ability. Our method is proven to be generalizable to various languages/teacher models and has the potential to improve the cross-lingual performance of the English pre-trained models.
评论: 已被INTERSPEECH 2023录用
主题: 计算与语言 (cs.CL) ; 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.01303 [cs.CL]
  (或者 arXiv:2306.01303v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.01303
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Haoyu Wang [查看电子邮件]
[v1] 星期五, 2023 年 6 月 2 日 07:03:06 UTC (1,739 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs
cs.SD
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号