Accent-robust speech recognition for English in low-resource settings using Manifold Mixup
Notice bibliographique
Résumé
We adapt Manifold Mixup theory for accent-robust end-to-end (E2E) Automatic speech recognition (ASR). Accent-variation between a source and target constitutes a domain-mismatch scenario. Manifold Mixup allows cross-domain robustness where a model trained on a source accent generalizes to target accents. We propose a 2-stage training mechanism with manifold mixup using one source accent. Stage 1 is a mixup-enabled cross-entropy based framewise character recognition model. Stage 2 is a Connectionist Temporal Classification (CTC)-loss based E2E ASR model using Stage 1 weights. We show that this model generalizes to unseen accents without any fine-tuning. This is studied for accented English from Indic-TIMIT corpus (6 Indic accents) and Common Voice corpus accent groups UKI (England, Ireland), Oriental (India, Malaysia), NorthAM (USA, Canada), African and ANZ (Australia, New Zealand). This is also studied with another Indian English corpus Svarah, the American English TIMIT corpus and the open audiobook English corpus of Librispeech. The proposed framework, using a Hindi-mixup model, offers absolute gains of around 2% over a non-mixup baseline on unseen test accents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».