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:2306.02534

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2306.02534 (cs)
[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

Authors:Jisung Wang, Haram Lee, Myungwoo Oh
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。
摘要: The limited availability of non-native speech datasets presents a major challenge in automatic speech recognition (ASR) to narrow the performance gap between native and non-native speakers. To address this, the focus of this study is on the efficient incorporation of the L2 phonemes, which in this work refer to Korean phonemes, through articulatory feature analysis. This not only enables accurate modeling of pronunciation variants but also allows for the utilization of both native Korean and English speech datasets. We employ the lattice-free maximum mutual information (LF-MMI) objective in an end-to-end manner, to train the acoustic model to align and predict one of multiple pronunciation candidates. Experimental results show that the proposed method improves ASR accuracy for Korean L2 speech by training solely on L1 speech data. Furthermore, fine-tuning on L2 speech improves recognition accuracy for both L1 and L2 speech without performance trade-offs.
评论: 被INTERSPEECH 2023接受
主题: 计算与语言 (cs.CL) ; 机器学习 (cs.LG); 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.02534 [cs.CL]
  (或者 arXiv:2306.02534v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.02534
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jisung Wang [查看电子邮件]
[v1] 星期一, 2023 年 6 月 5 日 01:55:33 UTC (83 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
  • 其他格式
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.LG
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