精制老年人的自动语音识别系统
1Center for Spoken Language Understanding, Oregon Health & Science University, Portland, Oregon, USA.
概括
为老年人开发自动语音识别 (ASR) 是一个挑战. 转移学习和注意力机制显著提高了老年人的ASR表现,即使数据有限.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 语音技术 语言技术
背景情况:
- 高质量的自动语音识别 (ASR) 系统很难用有限的数据构建,特别是对于老年人等特定人群.
- 现有的开源ASR系统以成人语音进行训练,由于声学差异,对老年人的表现不佳.
研究的目的:
- 使用有限的培训数据,为社会孤立的老年人 (80岁以上) 开发ASR系统,这些老年人可能有认知障碍.
- 调查转移学习 (TL) 和注意力机制在改善这一人口群的ASR表现方面的有效性.
主要方法:
- 利用了12个小时的训练数据来开发适合老年人的ASR系统.
- 应用转移学习 (TL) 通过从预训练成年ASR模型中微调模型参数.
- 整合了注意力机制,以利用中间模型信息提高性能.
主要成果:
- 在成年人数据上训练的ASR系统在目标老年人群中表现不佳.
- 转移学习 (TL) 对老年人的ASR系统性能显著提高.
- 拟议的方法,将TL与注意力机制相结合,比标准TL模型实现了额外1.58%的绝对性能改善.
结论:
- 转移学习在适应ASR系统用于高级演讲方面是有效的.
- 注意力机制通过利用模型中间数据进一步提高ASR性能.
- 开发的ASR系统有望改善老年人沟通的可访问性.


