Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2501.19321

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2501.19321 (eess)
[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

Authors:Edward Storey, Naomi Harte, Peter Bell
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。
摘要: Self-supervised learning (SSL) is used in deep learning to train on large datasets without the need for expensive labelling of the data. Recently, large Automatic Speech Recognition (ASR) models such as XLS-R have utilised SSL to train on over one hundred different languages simultaneously. However, deeper investigation shows that the bulk of the training data for XLS-R comes from a small number of languages. Biases learned through SSL have been shown to exist in multiple domains, but language bias in multilingual SSL ASR has not been thoroughly examined. In this paper, we utilise the Lottery Ticket Hypothesis (LTH) to identify language-specific subnetworks within XLS-R and test the performance of these subnetworks on a variety of different languages. We are able to show that when fine-tuning, XLS-R bypasses traditional linguistic knowledge and builds only on weights learned from the languages with the largest data contribution to the pretraining data.
评论: 被Speech and Language Technology Workshop (SLT) 2024接受,可在IEEE Xplore上访问
主题: 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI); 计算与语言 (cs.CL); 机器学习 (cs.LG); 信号处理 (eess.SP)
引用方式: arXiv:2501.19321 [eess.AS]
  (或者 arXiv:2501.19321v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.19321
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Edward Storey [查看电子邮件]
[v1] 星期五, 2025 年 1 月 31 日 17:16:45 UTC (139 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.SP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.CL
cs.LG
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号