一种低资源语音识别的新型自训练方法
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种自学习方法，用于低资源环境下的自动语音识别（ASR）。通过在小语种如旁遮普语中生成高度精确的伪标签，我们的方法在四个真实语音数据集上相对提高了 14.94% 的词错误率，并在 Common Voice 旁遮普语数据集上取得了最佳结果。
本文介绍了自我训练在端到端语音识别中的应用，使用伪标签训练深度学习模型的方法，实验证明该方法可以显著提高准确率。通过语音和语言模型生成伪标签和序列到序列模型的过滤机制，并采用新颖的集成方法提高伪标签的多样性。实验结果显示，在噪声语音环境下，自我训练的集成模型相对于只使用100小时标记数据的基准模型，字错率提高了33.9%。在清晰语音环境下，自我训练可以弥补基准模型和理想模型之间的差距，提高了至少93.8%。
