多语种端到端的ASR用于低资源的土耳其语语言,具有共同的字母表

科学领域:

• 计算语言学 计算语言学
• 语音处理 语音处理
• 机器学习 机器学习

背景情况:

• 高质量的转录音频数据对于开发准确的自动语音识别 (ASR) 模型至关重要.
• 许多语言,特别是聚合性土耳其语言,面临着这种转录数据的稀缺性,阻碍了ASR的发展.
• 现有关于低资源ASR的研究通常采用多语言培训和转移学习.

研究的目的:

• 调查多语言培训对提高ASR性能在低资源的土耳其语语言的有效性.
• 将五种土耳其语言 (哈萨克语,巴什基尔语,吉尔吉斯语,萨哈语,塔塔尔语) 结合起来,形成一个多语言的ASR模型.
• 为了在土耳其语家族中利用共同的语言特征,如同类词,语法和西里尔文字.

主要方法:

• 使用连接主义时间分类 (CTC) 具有注意力机制和多语言培训的语言模型.
• 使用来自开源Common Voice数据库的数据来确保可重复性.
• 在五种聚合性土耳其语的综合数据集上训练了一个单一的ASR模型.

主要成果:

• 多语种培训提高了ASR的表现,包括大多数土耳其语,除了巴什基尔语.
• 吉尔吉斯语的文字错误率 (近五分之一) 和字符错误率 (四分之一) 显著降低.
• 该研究证明了多语言培训的可行性,以改善ASR在低资源语言场景中的ASR.

结论:

• 多语言培训是提高低资源聚合性语言的自动语音识别的有益方法.
• 这种积极影响对于关键数据稀缺的语言 (如吉尔吉斯语) 尤其明显.
• 这种方法为为代表性不足的语言家族开发更强大的ASR系统提供了实际解决方案.