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:2306.02902

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2306.02902 (cs)
[提交于 2023年6月5日 ]

标题: N次射击的阿拉伯语语音识别中的Whisper基准测试

标题: N-Shot Benchmarking of Whisper on Diverse Arabic Speech Recognition

Authors:Bashar Talafha, Abdul Waheed, Muhammad Abdul-Mageed
摘要: 最近开发的多语言弱监督模型Whisper在单语和多语设置下的多个语音识别基准测试中表现良好。 然而,即使在阿拉伯语等它已被评估的语言上,也不清楚Whisper在各种条件下的表现如何。 在这项工作中,我们通过在ASR任务中对阿拉伯语语音的多种变体进行全面评估来解决这一差距。 我们的评估涵盖了大部分公开可用的阿拉伯语语音数据,并在n-shot(零次、少量和完整)微调条件下进行。 我们还研究了Whisper在完全新颖条件下的鲁棒性,例如在方言口音的标准阿拉伯语以及我们开发了评估数据的未见过的方言中。 我们的实验表明,尽管Whisper在所有数据集上的零样本设置下优于完全微调的XLS-R模型,但在五个未见过的方言(即阿尔及利亚、约旦、巴勒斯坦、阿联酋和也门)的零样本设置下,其性能显著下降。
摘要: Whisper, the recently developed multilingual weakly supervised model, is reported to perform well on multiple speech recognition benchmarks in both monolingual and multilingual settings. However, it is not clear how Whisper would fare under diverse conditions even on languages it was evaluated on such as Arabic. In this work, we address this gap by comprehensively evaluating Whisper on several varieties of Arabic speech for the ASR task. Our evaluation covers most publicly available Arabic speech data and is performed under n-shot (zero-, few-, and full) finetuning. We also investigate the robustness of Whisper under completely novel conditions, such as in dialect-accented standard Arabic and in unseen dialects for which we develop evaluation data. Our experiments show that although Whisper zero-shot outperforms fully finetuned XLS-R models on all datasets, its performance deteriorates significantly in the zero-shot setting for five unseen dialects (i.e., Algeria, Jordan, Palestine, UAE, and Yemen).
评论: 4页,INTERSPEECH 2023
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:2306.02902 [cs.CL]
  (或者 arXiv:2306.02902v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.02902
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Bashar Talafha [查看电子邮件]
[v1] 星期一, 2023 年 6 月 5 日 14:09:25 UTC (374 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
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