计算机科学 > 计算与语言
[提交于 2023年6月5日
]
标题: 使用发音特征的L2音素用于鲁棒语音识别
标题: Incorporating L2 Phonemes Using Articulatory Features for Robust Speech Recognition
摘要: 有限的非母语语音数据集的可用性给自动语音识别(ASR)带来了重大挑战,以缩小母语者和非母语者之间的性能差距。 为了解决这个问题,本研究的重点是通过发音特征分析,高效地融入L2音素,其中在本工作中指的是韩语音素。 这不仅能够准确建模发音变体,还允许利用母语韩语和英语语音数据集。 我们以端到端的方式使用无格子最大互信息(LF-MMI)目标,训练声学模型以对齐并预测多个发音候选中的一个。 实验结果表明,所提出的方法仅通过L1语音数据训练就能提高韩语L2语音的ASR准确性。 此外,在L2语音上进行微调可以在不牺牲性能的情况下提高L1和L2语音的识别准确性。
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.