Oct, 2024

通过多功能TTS增强低资源ASR:弥合数据鸿沟

TL;DR本研究解决了自动语音识别(ASR)在低资源环境中的表现不足问题,尤其是在方言、口音和少数语言的应用中。论文提出了一种利用强大的文本到语音(TTS)模型进行ASR数据增强的方法,并通过大量实验验证了该方法的有效性与广泛的应用前景。研究表明,文本多样性、说话人多样性及合成数据量是影响ASR性能的关键因素,特别是首次探讨了文本多样性对性能提升的影响。