通过多功能TTS增强低资源ASR:弥合数据鸿沟
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了自动语音识别(ASR)在低资源环境中的表现不足问题,尤其是在方言、口音和少数语言的应用中。论文提出了一种利用强大的文本到语音(TTS)模型进行ASR数据增强的方法,并通过大量实验验证了该方法的有效性与广泛的应用前景。研究表明,文本多样性、说话人多样性及合成数据量是影响ASR性能的关键因素,特别是首次探讨了文本多样性对性能提升的影响。
本研究提出了一种利用强大的文本到语音(TTS)模型进行自动语音识别(ASR)数据增强的方法,以解决低资源环境中ASR性能不足的问题。实验结果表明,文本多样性、说话人多样性和合成数据量对ASR性能有显著影响,尤其强调了文本多样性的重要性。