BriefGPT - AI 论文速递
·
阶段性和先验意识的神经语音相位预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
- 提出了一种名为PhasePerturbation的语音数据增强方法。
- 该方法通过动态调整语音相位谱来增加数据多样性。
- 使用随机化、频率遮蔽和时间遮蔽技术。
- 在wav2vec2.0预训练的ASR模型上进行微调，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PhasePerturbation在增强方法上的有效性。
➡️
