利用编码解耦的有效混合专家方法进行代码切换语音识别
原文中文,约200字,阅读约需1分钟。发表于: 。通过引入一种新的解缠损失函数,本研究专注于改进端到端自动语音识别(ASR)的声学编码器,以解决代码切换现象带来的挑战,并通过实验验证了该方法的优越性。
研究发现,半监督训练和合成的混合开关数据可以提高双语自动语音识别系统的性能。神经传递器编码器对混合开关性能有影响。在ASCEND数据集上评估了英语/普通话系统,混合错误率为25%,比文献节省2.1%,同时保持好的单语测试集准确性。
通过引入一种新的解缠损失函数,本研究专注于改进端到端自动语音识别(ASR)的声学编码器,以解决代码切换现象带来的挑战,并通过实验验证了该方法的优越性。
研究发现,半监督训练和合成的混合开关数据可以提高双语自动语音识别系统的性能。神经传递器编码器对混合开关性能有影响。在ASCEND数据集上评估了英语/普通话系统,混合错误率为25%,比文献节省2.1%,同时保持好的单语测试集准确性。