抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高レベル音声表現を学習するための自己監督学習(SSL)は,低資源設定における自動音声認識(ASR)システムを構築するための一般的なアプローチである。しかしながら,文献においてなされた共通仮定は,SSL予訓練のために活用できる同じドメインまたは言語に対して,かなりの量のラベルなしデータが利用可能であるということであり,それは,実世界設定において実現可能ではない。本論文では,Interspeech Gram Vaani ASRチャレンジの一部として,最終性能低資源下流ASRタスクに対する,上流予訓練SSLデータのドメイン,言語,データセットサイズ,および他の側面の影響を研究することを試みた。また,SSLを用いて訓練されたモデルによる事前知識の影響を検討するために,連続予訓練パラダイムを構築した。広範な実験と研究は,ASRシステムの性能がSSL予訓練に用いるデータに敏感であることを明らかにした。それらの性能は,事前訓練データの類似性と体積の増加とともに改善される。本研究は,低資源設定におけるより良いASRシステムの構築における音声コミュニティと,音声システムのためのSSLベース予訓練における一般化の改善に向けたステア研究に役立つであろうと信じる。【JST・京大機械翻訳】