基于预训练与音素字节对编码的越南语识别

摘要：

基于无监督预训练技术的wav2vec 2.0在许多低资源语种上获得了良好的性能,成为研究的热点.本文在预训练模型的基础上进行越南语连续语音识别.将语音学信息引入到基于链接时序分类代价函数(Connectionist temporal classification,CTC)的声学建模中,选取音素与 含位置信息的音素作为基础单元.为了平衡建模单元数目以及模型的精细程度,采用字节对编码(Byte-pair encoding,BPE)算法生成音素子词,将上下文信息结合到声学建模过程.实验在美国NIST的BABEL任务低资源的越南语开发集上进行,所提算法相对wav2vec 2.0基线系统有明显改进,识别词错误率由37.3％降低到29.4％.

关键词：低资源语音识别、建模单元、字节对编码、音素子词、预训练、越南语识别

所属期刊栏目：38

分类号：TN912.34

资助基金：国家自然科学基金U1836219

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：101-110