对海南方言识别的最佳深度学习建模的研究
ZiXuan Qi1,2, FuYun Li3,4, HaiXia Long5,6
1College of Information Science and Technology, HaiNan Normal University, Haikou, 571158, China.
Scientific reports
|August 28, 2025
概括
这项研究介绍了ConvMHANet,一个用于海南方言语音识别的新型深度学习模型. 该模型在将多种方言转换为普通话时具有很高的准确性, 克服了数据短缺的挑战.
科学领域:
- 计算语言学
- 人工智能
- 语音处理
背景情况:
- 海南方言的语音识别面临挑战,因为语音,语音和语法上的差异很大.
- 目前的研究受限于资源不足,特别是多方言识别.
- 传统的模型面临着数据稀缺和不同的方言特征.
研究的目的:
- 探索海南方言转化为普通话的深度学习模型.
- 确定海南方言识别的最佳深度学习模型.
- 为多方言识别提出一个有效的融合模型.
主要方法:
- 应用多种深度学习模型.
- 广泛的实验比较分析.
- 结合卷积神经网络 (CNN) 和多头自我注意机制 (MHAN) 的融合模型的开发.
主要成果:
- 拟议的融合模式ConvMHANet在不同方言场景中表现出色.
- ConvMHANet有效地解决了复杂的方言语音和上下文依赖.
- 在多个分类混合任务中获得了97.58%的准确性和0.0163的字符错误率.
结论:
- ConvMHANet显示了海南方言语音识别的强大泛化能力.
- 融合模型为方言转化为普通话的任务提供了一个有前途的解决方案.
- 这项研究有助于推进低资源方言的语音识别.


