基于數(shù)據(jù)增強(qiáng)的藏語(yǔ)拉薩方言語(yǔ)音識(shí)別研究

打開(kāi)文本圖片集

摘要：藏語(yǔ)屬于低資源語(yǔ)言，其語(yǔ)音識(shí)別模型的訓(xùn)練面臨數(shù)據(jù)稀缺的挑戰(zhàn)。為了解決這一問(wèn)題，文章研究了數(shù)據(jù)增強(qiáng)技術(shù)在藏語(yǔ)拉薩方言語(yǔ)音識(shí)別中的應(yīng)用。首先，文章比較了DeepSpeech2、Conformer和Squeezeformer等3種主流語(yǔ)音識(shí)別模型在藏語(yǔ)拉薩方言語(yǔ)音識(shí)別任務(wù)中的性能。隨后，在表現(xiàn)最佳的Conformer模型上，對(duì)速度擾動(dòng)、音量擾動(dòng)、移動(dòng)擾動(dòng)、SpecAugment和SpecSubAugment等5種數(shù)據(jù)增強(qiáng)方法的效果進(jìn)行了對(duì)比分析。（剩余8501字）