Oct, 2022

基于对抗多任务学习的说话人和年龄不变性训练，用于儿童声学建模

PDF
TL;DR本文提出了基于对抗多任务学习的演讲者及年龄不变训练方法，利用时间延迟神经网络生成说话者及年龄不变特征与语音、年龄和演讲者三个判别式网络相连，成功降低了语音识别中的错误率。
acoustic modellingchild speechspeech recognitionadversarial multi-task learningtime delay neural network
发现论文，激发创造
  • 通过对抗学习实现说话者无关的训练

    本文提出了一种新的对抗多任务学习模型（即 Speaker-invariant training），旨在同时减少发言人的特征变异性并最大化其 Senone 区分性，以增强基于深度神经网络的自动语音识别系统性能，并通过对抗多任务学习来学习说话者不变且区分性 Senone 的深层特征。在此模型的基础上得到的结果比基于传统的对抗模型和 SI 模型组合的 ASR 系统结果更佳。

    Apr, 2018

  • 多说话人神经语音合成的多任务对抗训练算法

    本研究提出了一种基于多任务对抗训练的多说话者神经语音合成模型的新型训练算法，能够提高合成语音的质量，并能够推广到未见过的说话者。

    Sep, 2022

  • 面向儿童语音识别的基于滤波器的判别自编码器

    本文提出了一种基于滤波的判别性自编码器技术，旨在解决儿童语音识别中多种说话人类型和音高的影响问题，并在测试集上实现了较基准系统更高的识别率，并在英国口音 PF-STAR 任务中实现了比基线系统更好的结果。

    Apr, 2022

  • 面向发音障碍和老年人的个性化对抗性数据增强语音识别

    本文提出使用基于 GAN 的数据增强方法，通过分析非标准语音（如老年人和 dysarthric 患者的语音）的光谱和时间差异可模拟增强数据，提高了 UASpeech、TORGO、Pitt 和 JCCOCC MoCA 等数据集上 TDNN 和 Conformer ASR 系统的训练精度，相对于基于速度的数据增强方法，可使 TORGO 和 DementiaBank 数据集的 WER 分别提高 9.61％和 6.4％。

    May, 2022

  • 针对联合多特征和多方言形态建模的对抗多任务学习

    本文探索了利用多任务学习和敌对训练方法解决形态丰富的阿拉伯语言以及方言差异问题，并以现代标准阿拉伯语（高资源方言）和埃及阿拉伯语（低资源方言）为案例，在全面的形态标注中取得了最先进的结果。

    Oct, 2019

  • 关于幼儿语音识别任务增强的优化元初始化

    本文介绍了一种用于解决儿童自动语音识别中数据稀缺问题所采用的基于元学习的模型初始化方法，首先验证了其有效性，然后通过模拟新年龄来提出了任务级别的增强方法，成功改善了学习器过拟合的问题，并达到了相对词错误率 (WER) 的提升率高达 51% 的效果

    Feb, 2022

  • 对抗式学习原始语音特征实现领域不变语音识别

    本文探讨了对抗训练在自动语音识别中应用的有效性，在使用 Domain Adversarial Neural Networks (DANNs) 在多个数据集上的实验结果表明，对抗训练能够有效地进行无监督领域自适应，从而强调了 DANNs 从原始语音学习领域不变特征的能力。

    May, 2018

  • 通过对抗训练进行说话者不变的情感表示学习

    本文提出了一种基于对抗训练网络来消除发言人特征并更好地表示情感的机器学习框架，在 IEMOCAP 和 CMU-MOSEI 数据集上实验表明该框架能够提高语音情感分类的准确性并增加对未知发言人的泛化能力。

    Nov, 2019

  • 使用说话人标签改进和对抗：提高自动语音识别

    本研究旨在研究如何将增强领域及去除领域差异这两个相反的目标应用于说话人标签以提高 Conformer-based ASR 的性能，并通过适应性渐变反转层进行稳定有效的对抗训练。最佳说话人 MTL 可以在 Switchboard Hub5'00 数据集上实现 7％的相对提高，并在清洁数据集和较弱 ASR NN 方面进行了研究。

    Nov, 2022

  • 使用对抗样本进行训练增强的鲁棒语音识别

    本文探讨了使用对抗性样本在训练语音识别系统中以增强深度神经网络声学模型的鲁棒性，结果表明相对于传统的数据通过数据转换技术实现的增强，动态利用当前声学模型参数生成对抗性样本的方法在 Aurora-4 和 CHiME-4 单通道实验中具有显著的改善表现。此外，将对抗性样本与老师 / 学生培训相结合，可以进一步提高识别准确率，Aurora-4 相对误差率降低了 23%。

    Jun, 2018