Mar, 2023

英语口音的爱丁堡国际语料库：迈向英语 ASR 的民主化

PDF
TL;DR该论文介绍了一个新的英语语音数据集 Edinburgh International Accents of English Corpus (EdAcc)，用于更好地代表各种英语语音的多样性，经使用 680,000 小时的转录数据进行训练后，最好的模型在印度、牙买加和奈及利亚等地的表现都有所下降，平均词错误率为 19.7％。
english automatic speech recognitionedinburgh international accents of english corpusdiversity of englishword error ratelinguistic background
发现论文，激发创造
  • Earnings-22：野外口音实践基准

    本文介绍了一个收集英语盈利电话会议的语料库，旨在为评估现代自动语音识别系统的实际表现提供一个免费的现实世界参考标准，通过 4 个商业模型的比较，研究了地区口音对模型表现的影响，以及研究了 ASR 系统普遍出现的误差和关键语音特征对模型表现的影响。

    Mar, 2022

  • Svarah: 评估印度口音上的英语 ASR 系统

    本研究创建了一个 Svarah 基准测试数据集，其中包括来自印度 65 个地理位置的 117 位说话者的 9.6 小时的语音数据，用来评估 ASR 模型在印度口音上的表现，并发现改进的空间。

    May, 2023

  • 自動語音識別中英語口音的全球表現差異

    本篇论文探讨发言者国籍所在国家的地缘政治导向对 ASR 性能的影响，使用全球数据集对若干英语 ASR 服务进行审计并发现 ASR 服务性能与发言者国籍地缘政治与美国的关系具有显著性，尽管有多个语言变量进行控制。通过历史用语维持全球及政治权力来讨论这种偏见。

    Aug, 2022

  • 基于深度语音的印度英语口音端到端自动语音识别（ASR）

    本研究使用转移学习和数据增强方法，对最近的 Deep Speech 模型（deepspeech-0.9.3）进行 fine-tuning，以开发一个适用于印度英语口音的端到端语音识别系统，并与其他可用的印度英语口音识别服务进行了比较。

    Apr, 2022

  • 跨口音语音识别上的快速适应学习

    研究了方言对同一语言单词发音的影响，提出了一种基于模型对抗元学习算法的跨方言英语语音识别任务，通过实验表明该方法显著优于联合训练。

    Mar, 2020

  • NPTEL MOOC 数千个视频间的单词错误率差异的深入研究

    本研究描述了一个庞大的语音数据集的构建过程，并利用该数据集评估了印度不同演讲者的性别、籍贯、年龄和语速对 YouTube 自动字幕和 OpenAI Whisper 模型性能的影响。结果表明需要更具包容性和鲁棒性的 ASR 系统以及更具代表性的数据集进行差异性评估。

    Jul, 2023

  • 爱尔兰口音识别研究

    研究使用声学分类模型和文本分类器来识别爱尔兰方言，以便将其纳入语音识别管道以增强精度。ECAPA-TDNN 是最佳表现的模型之一，可将其输出与文本模型的输出相结合以进一步提高准确性。作者发现该模型在鉴别阿尔斯特方言方面表现最佳，但在区分康纳赫特方言和蒙斯特方言方面具有挑战性。

    Jul, 2023

  • 芬兰议会 ASR 语料库 - 分析，基准测试和统计

    本文介绍了芬兰议会 ASR 语料库及相关的 Kaldi-based 数据准备管道，HMM，HMM-DNN 和 AED ASR 配方，以及通过测试集和其他数据集在 ASR 上设置了基准，最后比较了不同议会元数据的 ASR 准确性变化。

    Mar, 2022

  • 重音语音识别综述

    该研究论文探讨了自动语音识别（ASR）系统在不同语音口音上的普适性问题，分析了当前最有前景的口音识别方法，并强调了其中的关键挑战。

    Apr, 2021

  • 通过欧盟辩论自动语音识别进行政治语料库创建

    本文提出了一个欧盟议会 LIBE 委员会的书面语料库，总计 3.6 百万字。在实验过程中，我们使用基于 transformer 的 Wav2vec2.0 模型作为自动语音识别（ASR）流程的基础，并尝试了多个音频模型，语言模型和特定领域术语的添加来适应领域。结果表明，特定领域的音频模型和语言模型显着提高了 ASR 输出的质量，将错误率从 28.22 降至 17.95，并对下游分析任务有用。

    Apr, 2023