聲明：我主要從事語音合成，對語音識別的學習主要出于興趣。文章內(nèi)容摘要如有錯誤，還望讀者指出，共同?學習進步。

歡迎關(guān)注微信公眾號：低調(diào)奮進

---

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

本文2021.04.12號由德國亞琛工業(yè)大學計算機科學系發(fā)布，主要對比使用TTS合成的數(shù)據(jù)對不同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AED提升很大，對Hybrid?ASR和CTC?相對較小；

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

3）雖然TTS數(shù)據(jù)對Hybrid?ASR影響很小，本文使用LibriSpeech-100來訓練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的全部內(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，歡迎將生活随笔推薦給好友。