arXiv · Audio and Speech· Minu Kim, Jihwan Lee, David R. Mortensen, Shrikanth Narayanan·· 3 小时前AI 评分29
自监督语音表征中口音-语言混淆的缓解及其在语言识别中的应用
Mitigating Accent-Language Confusion in Self-Supervised Speech Representations for Language Identification
AI 导读
论文提出一种几何投影方法，在冻结的 LID 分类头之前估计并移除仅由母语语音得到的 L1 偏置方向，以缓解自监督语音表征中 LID 模型把非母语（L2）口音误判为说话人母语（L1）的问题。在五个 MMS-LID 模型和非母语语料上，该投影显著提升带 L2 口音语音的目标语言识别效果，同时保持母语语音预测不变，且无需 L2 训练数据或模型适配。
来源：arXiv · Audio and Speech · arxiv.org