Jul, 2023

用平衡语料库实现低资源语言方言包容性识别的探索

PDF
TL;DR研究了影响语音自动识别（ASR）系统跨音系瓶颈的爱尔兰三个主要方言的对比分析，结果显示平衡方言的语料库无法在方言之间产生相似的表现，这些结果将指导未来语料收集和系统构建策略以优化跨方言表现公正性。
发现论文，激发创造
  • 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

  • 探究自动语音识别系统对 L2 英语语音变异的敏感性

    使用一种探测方法，发现了 ASR 系统处理在 L2 英语方言中的发音差异时，出现了声素级别的错误并产生了更高的 WER。这项工作系统地说明了 ASR 的行为，通过确定特定问题的物质来源来提高 ASR 的准确性。

    May, 2023

  • 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

  • 平衡的行动：揭示和缓解葡萄牙语 ASR 偏见

    本研究旨在全面探索 Whisper 和 MMS 系统，重点评估与葡萄牙语的非正式对话语音相关的自动语音识别中存在的偏见。我们的调查包含不同类别，包括性别、年龄、肤色和地理位置。除了传统的 ASR 评估指标（如词错误率 WER）外，我们还引入了 p 值统计显著性来分析性别偏见。此外，我们广泛研究了数据分布的影响，并实证表明过采样技术可以减轻此类刻板化偏见。本研究通过应用 MMS 和 Whisper 在葡萄牙语环境中量化偏见，对多语言设置下 ASR 系统性能有了更好的理解，是一项开创性的工作。

    Feb, 2024

  • 利用声学伪标记预测正向迁移，以改进低资源语音识别

    通过引入相似、高资源语言的数据，可以提高低资源语言的自动语音识别性能，并且通过计算基于诱导声学单元的序列分布的声学令牌分布相似度 (ATDS)，能够准确预测目标语言的 ASR 性能。

    Feb, 2024

  • 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

  • 一个模型统治所有：方言码转换阿拉伯语自动语音识别的多语言策略

    本研究采用自注意力机制，设计了一个大型的多语言端到端语音识别系统，使用阿拉伯语、英语和法语训练。我们评估了该系统在处理单语言、多方言以及代码转换等方面的表现，并与当前最先进的系统进行了比较。结果表明，我们的模型强于最先进的单语言方言阿拉伯语和代码转换阿拉伯语语音识别系统。

    May, 2021

  • 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

  • 构建低资源语言口语理解系统

    研究探索低资源语言环境下，使用拼音转录进行意图分类的方法构建基于语音理解系统，并发现相较于使用语音特征的系统，使用拼音转录的系统具有显著的分类性能提升。

    May, 2022

  • 英语口音的爱丁堡国际语料库：迈向英语 ASR 的民主化

    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％。

    Mar, 2023