BriefGPT - AI 论文速递
·
在阿拉伯电话领域中评估自动语音识别系统的新基准
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文通过多阶段增强方法改进阿拉伯语言障碍患者的自动语音识别性能。使用基于信号的方法生成阿拉伯语言障碍患者的语音，并通过对英语语言障碍患者语音数据进行训练以进行多语言扩充。实验结果显示，相比只针对健康数据训练的基础模型，本文方法在阿拉伯语言障碍患者的语音数据集上实现了18%的词错误率和17.2%的字符错误率的提升，并在真实的英文语言障碍患者语音数据集上实现了124%的词错误率的提升。
🎯
关键要点
- 本文旨在通过多阶段增强方法改进阿拉伯语言障碍患者的自动语音识别性能。
- 使用基于信号的方法生成阿拉伯语言障碍患者的语音。
- 通过对英语语言障碍患者语音数据进行训练以进行多语言扩充。
- 在不同的语音障碍程度下进行微调和文本纠正策略。
- 在阿拉伯语言障碍患者的语音数据集上实现了18%的词错误率和17.2%的字符错误率的提升。
- 相比只针对健康数据训练的基础模型，实现了81.8%的WER提升。
- 在真实的英文语言障碍患者语音数据集上实现了124%的WER提升。
➡️
