Sep, 2022

解决 OOV 问题的发音流水线的优良性

PDF
TL;DR通过使用 ASR 系统的不同组件评估口音并自动评估它们，我们提出了一种解决测试时开放式语音识别系统中的 OOV 问题的 GoP 计算的流水线，并且通过构建三个管道来实现去除 GoP 输出中的 UNK 和 SPN 音素，Online、Offline 和 Hybrid 管道，以扩展词库以及对每个 utterance 进行处理，最终提供 Phoneme to posterior mappings、每个 utterance 的 GoP 得分向量以及 GoP 流程中使用的 Word boundaries 等实用工具供未来研究使用。
goodness of pronunciationlexicon expansionasr systemoov wordsphoneme
发现论文，激发创造
  • 使用不确定性发音好坏评估方法评估口吃言语的听力可懂度

    本文介绍了一种改进的发音好坏指标（GoP），它利用不确定性量化（UQ）进行自动评估失语症患者的语音清晰度，并通过归一化音素预测和修改评分函数来提高性能。

    May, 2023

  • 基于多语言上下文的语音合成中文字发学习

    该研究提出了一个多语种统一的前端系统，通过建模语音信息和语言知识，在处理发音相关任务时取得了有竞争力的结果。

    Jul, 2023

  • 基于上下文的印度语 ASR 系统中的生词恢复

    本文提出了一种基于声学增强的语言模型的后处理方法，通过基于语境和音素知识来匹配和恢复正确的上下文单词，该方法可以在多个类别中恢复平均 50% 的基于上下文的未登录词。

    Jun, 2022

  • 强调未见过的单词：端到端语音识别的新词汇习得

    本篇论文提出了一种利用文本到语音系统生成 OOV 单词并通过损失调整和正则化实现语音识别系统的持续学习，并且相比于之前的方法，该方法可以实现更高的召回率和更高的准确性。

    Feb, 2023

  • 聚焦于 OOV：如何变化它们？

    我们的研究聚焦于词形屈折在词汇外条件下的问题，通过开发三个系统并测试在词汇外数据集上的性能，我们发现逆行模型在现实情境下的词汇外数据上胜过了所有神经模型，并且由我们的 seq2seq 模型在 SIGMORPHON 2022 共享任务数据的大数据条件下达到了最先进的结果。

    Apr, 2024

  • 一种基于贪心发音选择框架的声学数据驱动的词汇表学习

    本文提出了一种从转录数据中自动获得单词发音的系统，重点解决了从词汇表中删除词条的问题，实验结果表明我们提出的框架可以学习一个词汇表，在测试数据上的语音识别错误率 (WER) 性能接近于专家词汇表，而且比基于 G2P 或基于发音概率修剪标准构建的词典更好。

    Jun, 2017

  • 一个新的复杂的 Twitter 数据集上的鲁棒语义框架解析流水线

    本研究介绍了一种稳健的语义框架解析系统，使用循环神经网络来解析口语理解情景下的复杂长文本，此系统可处理分布外模式和分布外词汇，并显示比当前最先进的基准 SLU 模型更好的结果。

    Dec, 2022

  • 通过学习语音录音中的发音来改进字素转音元

    通过从音频记录中学习发音示例来改善 G2P 转换任务的方法，利用少量带有注释的示例训练 G2P 模型，使用多语言电话识别系统进行解码，学习对于未收录词汇的发音字典，并重新训练 G2P 系统，该方法在不同语言和数据量的情况下持续提高 G2P 系统的音素错误率。

    Jul, 2023

  • 针对槽位填充的词汇外问题的再探：一种综合对比框架，配有多级数据增强

    本文介绍了一种基于多层数据扩增的 OOV 坚韧性槽填充模型，通过从词和槽的角度解决 OOV 问题。实验表明，该模型比现有模型和之前的最佳模型在 OOV 词和槽方面表现更出色。

    Feb, 2023

  • 零样本自动发音评估

    提出基于 HuBERT 的零样本自动发音评估方法，使用遮罩模块破坏语音输入获取令牌序列并使用得分模块测量错误恢复的令牌数量，在 speechocean762 上得到了可比较于监督回归基线且优于非回归基线的表现，同时分析了遮罩策略对自动发音评估性能的影响。

    May, 2023