阶段性和先验意识的神经语音相位预测

BriefGPT - AI 论文速递 · 2024-10-07T00:00:00Z

本文介绍了一种名为PhasePerturbation的语音数据增强方法，通过动态调整语音相位谱增加数据多样性。在wav2vec2.0预训练的ASR模型上，使用TIMIT语料微调，词错误率降低10.9％。结合VTLP和SpecAug方法，WER进一步降低12.9％和15.9％，显示了其在增强方法上的有效性。