基于數(shù)據(jù)增強的藏語拉薩方言語音識別研究

打開文本圖片集

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