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 > cs > arXiv:2509.02830v1

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2509.02830v1 (cs)
[提交于 2025年9月2日 ]

标题: SSVD:用于语音识别中领域偏移下的结构化奇异值分解参数高效微调和基准测试

标题: SSVD: Structured SVD for Parameter-Efficient Fine-Tuning and Benchmarking under Domain Shift in ASR

Authors:Pu Wang, Shinji Watanabe, Hugo Van hamme
摘要: 参数高效微调(PEFT)已成为适应大型基础模型的可扩展解决方案。 虽然低秩微调(LoRA)在语音应用中被广泛使用,但其最先进的变体,例如VeRA、DoRA、PiSSA和SVFT,主要是为语言和视觉任务开发的,在语音领域验证有限。 这项工作首次在ESPnet中全面整合并基准测试了这些PEFT方法。 我们进一步引入了结构化奇异值分解引导(SSVD)微调,该方法选择性地旋转与输入相关的右奇异向量,同时保持与输出相关的向量固定,以保留语义映射。 这种设计能够在少量可训练参数的情况下实现稳健的领域适应,并提高效率。 我们在从0.1B到2B的不同模型规模上,对领域转移的语音识别任务进行了所有方法的评估,包括儿童语音和方言变化。 所有实现都已在ESPnet中发布,以支持可重复性和未来工作。
摘要: Parameter-efficient fine-tuning (PEFT) has emerged as a scalable solution for adapting large foundation models. While low-rank adaptation (LoRA) is widely used in speech applications, its state-of-the-art variants, e.g., VeRA, DoRA, PiSSA, and SVFT, are developed mainly for language and vision tasks, with limited validation in speech. This work presents the first comprehensive integration and benchmarking of these PEFT methods within ESPnet. We further introduce structured SVD-guided (SSVD) fine-tuning, which selectively rotates input-associated right singular vectors while keeping output-associated vectors fixed to preserve semantic mappings. This design enables robust domain adaptation with minimal trainable parameters and improved efficiency. We evaluate all methods on domain-shifted speech recognition tasks, including child speech and dialectal variation, across model scales from 0.1B to 2B. All implementations are released in ESPnet to support reproducibility and future work.
评论: 被IEEE ASRU 2025接受
主题: 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)
引用方式: arXiv:2509.02830 [cs.CL]
  (或者 arXiv:2509.02830v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.02830
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Pu Wang [查看电子邮件]
[v1] 星期二, 2025 年 9 月 2 日 20:51:17 UTC (367 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:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
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