计算机科学 > 声音
[提交于 2025年8月4日
]
标题: 面向设备的自适应知识蒸馏语音检测
标题: Adaptive Knowledge Distillation for Device-Directed Speech Detection
摘要: 设备定向语音检测(DDSD)是一个二分类任务,用于将用户对语音助手(VA)的查询与背景语音或旁白对话区分开来。这对于实现自然的用户体验非常重要。为此,我们提出知识蒸馏(KD)来提高DDSD的准确性,同时确保高效的部署。具体而言,我们引入了一种新颖的自适应KD方法,从ASR大预训练声学编码器(教师)的一般表示中迁移知识。我们在(冻结)教师编码器上应用任务特定的适配器,并与学生模型一起在DDSD上进行联合训练。我们证明了所提出的自适应KD在关键词和无关键词(后续)调用中优于没有蒸馏的学生模型,分别在等错误率方面提高了+26%和+19%。我们还表明,这种方法适用于基于Transformer和Conformer的模型架构。
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.