电气工程与系统科学 > 音频与语音处理
[提交于 2025年1月31日
]
标题: 自监督学习在自动语音识别中的语言偏差
标题: Language Bias in Self-Supervised Learning For Automatic Speech Recognition
摘要: 自监督学习(SSL)在深度学习中用于在不需要对数据进行昂贵标注的情况下进行训练。 最近,大型自动语音识别(ASR)模型,如XLS-R,已利用SSL同时在一百多种语言上进行训练。 然而,更深入的调查表明,XLS-R的大部分训练数据来自少数几种语言。 通过SSL学到的偏见已在多个领域中得到证实,但多语言SSL ASR中的语言偏见尚未被彻底研究。 在本文中,我们利用彩票假设(LTH)来识别XLS-R中的语言特定子网络,并在各种不同语言上测试这些子网络的性能。 我们能够证明,在微调时,XLS-R绕过了传统的语言知识,仅基于对预训练数据贡献最大的语言所学到的权重。
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.