详细内容或原文请订阅后点击阅览
渐进式细化：中英语码转换 ASR 的迭代伪标签方法
语码转换 (CS)，即同一话语中的不同语言，由于 CS 训练数据有限，给自动语音识别 (ASR) 带来了重大挑战。本文首次将迭代伪标记训练方法应用于 CS-ASR，证明了其在利用未标记数据来提高 CS-ASR 性能方面的有效性。该方法包括三个阶段：伪标签生成、两阶段双语模型训练和迭代改进。它首先从大型未标记语料库生成伪标签，创建半监督数据集。这……
来源:Apple机器学习研究事实证明，自我训练有助于解决许多领域的数据稀缺问题，包括视觉、语音和语言。具体来说，自我训练或伪标记会标记无监督数据并将其添加到训练池中。在这项工作中，我们研究并使用伪标签来实现最近提出的新颖设置：语音的联合转录和翻译，但该设置由于缺乏足够的并行数据资源而受到困扰。我们……