BriefGPT - AI 论文速递
·
在多任务框架中的低资源爱尔兰语语音识别和方言识别
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了使用中级CTC（InterCTC）训练的混合CTC/Attention编码器-解码器模型在爱尔兰低资源语音识别（ASR）和方言识别（DID）中的应用。实验结果显示，与基线模型相比，DID准确率提高了10.8%，字误率性能接近TDNN-HMM模型。这种多任务方法展示了在爱尔兰低资源ASR和DID中的潜在优势。
🎯
关键要点
- 使用中级CTC（InterCTC）训练的混合CTC/Attention编码器-解码器模型。
- 探索了爱尔兰（盖尔语）低资源语音识别（ASR）和方言识别（DID）。
- 与目前在ASR（TDNN-HMM）和DID（ECAPA-TDNN）训练的最佳模型进行对比。
- 确定了最佳的InterCTC设置，并使用E-branchformer编码器训练了一个模型。
- 实验结果显示，DID准确率提高了10.8%。
- 字误率性能接近TDNN-HMM模型。
- 这种多任务方法展示了在爱尔兰低资源ASR和DID中的潜在优势。
➡️
