.png){kind=icon}
返回
A Forced Decoding-based Approach for Enhancing Low-resource ASR
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-025-11759-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多语言自动语音识别是解决低资源场景相关挑战的关键研究方向。为了有效在多语言模型联合训练中融入语言特定信息，并利用语言相似性提升目标低资源语言性能，本文提出了一种基于强制解码的语言相似性评估方法。具体而言，当指定目标语言时，将源语言语音解码为目标语言转录文本，并利用归一化后验概率作为评估语言相似性的基础。在六种低资源语言上进行的全面实验与分析表明，所提方法相较于三种广泛使用的基准方法，分别实现了平均字错率相对降低21.74%、7.68%和3.45%，从而验证了该方法的有效性。
Keyword:
Multilingual ASR
Low-resource languages
Forced decoding
Language similarity
期刊
IF:
2.8
论文数:
178
被引数:
5.5K
机构
暂无机构信息
引用论文
Listen, attend and spell: A neural network for large vocabulary conversational speech recognition
PREAI
分享收藏Enhancing Multilingual Speech Recognition through Language Prompt Tuning and Frame-Level Language Adapter通过语言提示调优和帧级语言适配器增强多语言语音识别.png)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏Mixture of Informed Experts for Multilingual Speech Recognition多语言语音识别的知情专家混合ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏分享收藏
查看更多内容