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。
