计算机科学 > 计算与语言
[提交于 2025年2月1日
]
标题: 基于数据的发音错误模式发现以实现鲁棒的语音识别
标题: Data-Driven Mispronunciation Pattern Discovery for Robust Speech Recognition
摘要: 最近机器学习的进展显著提高了语音识别能力,但识别非流利或有口音的说话者语音仍然是一项挑战。 以往的努力依赖于基于规则的发音模式,难以完全捕捉非母语者的错误。 我们提出了两种基于数据的方法,使用语音语料库来自动检测发音错误模式。 通过使用注意力图将非母语音素与对应的母语音素对齐,我们在母语英语数据集上实现了5.7%的语音识别提升,在非母语英语说话者中实现了12.8%的提升,尤其是对韩国说话者。 我们的方法为稳健的自动语音识别(ASR)系统提供了实际的进展,特别是在先前语言知识不适用的情况下。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.