子供の音声認識を改善するための自己教師付き学習法に関するWav2vec2ベース実験研究【JST・京大機械翻訳】

Jain Rishabh; Barcovschi Andrei; Yiwere Mariam; Bigioi Dan; Corcoran Peter; Cucu Horia

プレプリント

J-GLOBAL ID：202202220210452014 整理番号：22P0329841

子供の音声認識を改善するための自己教師付き学習法に関するWav2vec2ベース実験研究【JST・京大機械翻訳】

A Wav2vec2-Based Experimental Study on Self-Supervised Learning Methods to Improve Child Speech Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2023年02月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深い学習技術における最近の進歩にもかかわらず,Child Speech認識は挑戦的な課題のままである。現在の自動音声認識(ASR)モデルは,訓練のために大量の注釈付きデータを必要とし,それは不足している。本研究では,自己教師付き学習(SSL)のための異なる予訓練と微調整構成を有するASRモデル,wav2vec2を用いて,自動子供の音声認識を改善する。事前訓練されたwav2vec2モデルを,子供の音声訓練データ,成人音声データ,および両方の組合せを用いて微調整し,子供のASRのタスクのためにモデルを微調整するために必要なデータの最適量を発見した。著者らの訓練されたモデルは,他の以前の方法と比較して,MyST子供音声データセットで7.42,PFSTARデータセットで2.99,CMU KIDSデータセットで12.47の最良のWord誤り率(WER)を達成した。著者らのモデルは,微調整において10時間の子供の音声データを用いるだけで,成人音声に関する最先端のASRモデルと考えられる子供音声に関するwav2vec2 BASE960を凌駕した。また,訓練データの異なるタイプの解析と推論に及ぼすそれらの影響を,予訓練,微調整と推論におけるデータセットの組合せを用いて提供した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識

, , , , ,

前のページに戻る