聲明：我主要從事語(yǔ)音合成，對(duì)語(yǔ)音識(shí)別的學(xué)習(xí)主要出于興趣。文章內(nèi)容摘要如有錯(cuò)誤，還望讀者指出，共同?學(xué)習(xí)進(jìn)步。

歡迎關(guān)注微信公眾號(hào)：低調(diào)奮進(jìn)

---

Comparing the Benefit of Synthetic Training Data for Various Automatic Speech Recognition Architectures

本文2021.04.12號(hào)由德國(guó)亞琛工業(yè)大學(xué)計(jì)算機(jī)科學(xué)系發(fā)布，主要對(duì)比使用TTS合成的數(shù)據(jù)對(duì)不同ASR架構(gòu)的影響，具體的文章鏈接

https://arxiv.org/pdf/2104.05379.pdf

---

內(nèi)容摘要

就目前的ASR架構(gòu)，主要分為attention?encoder-decoder(AED)，connectionist-temporal-classification(CTC)和Hybrid ASR?。其中效果最好的還是Hybrid ASR?。本文主要使用TTS進(jìn)行數(shù)據(jù)增廣，使AED的性能逼近Hybrid ASR?。

本文是TTS和ASR都使用LibriSpeech-100，合成使用的文本是LibriSpeech-360，具體的結(jié)果如table?5?所示，主要的結(jié)論如下：

1）使用TTS增廣數(shù)據(jù)對(duì)AED提升很大，對(duì)Hybrid?ASR和CTC?相對(duì)較小；

2）即使使用TTS增光數(shù)據(jù)，AED還是無(wú)法達(dá)到Hybrid?ASR的性能；

3）雖然TTS數(shù)據(jù)對(duì)Hybrid?ASR影響很小，本文使用LibriSpeech-100來(lái)訓(xùn)練Hybrid?ASR，在干凈和噪聲數(shù)據(jù)集上獲得了目前WER較好的3.3%/10%的表現(xiàn)。

?

總結(jié)

以上是生活随笔為你收集整理的语音识别论文：Comparing the Benefit of Synthetic Training Data for Various Automatic Speech Recognition Arc的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。