Robustesse des modèles neuronaux pour le traitement automatique de la parole
Notice bibliographique
Résumé
Automatic Speech Recognition has become a popular tool with numerous applications; it also serves as the enabling technology for other speech tasks such as SLU or AST. In ASR, the speech signal is first uttered by the speaker, transmitted through the environment, before being captured by a recording device and processed by a machine learning model. However, each of those steps can be a source of variability and lead to transcription errors, impacting the system's robustness.In this thesis, we investigate various factors influencing the processing of speech by machines. Specifically, we focus on French pre-trained models fine-tuned for ASR. We begin by presenting our work on accent robustness. Through numerous experiments, we evaluate the resilience of the model to accent variation and explore different ways to close the gaps between accents. Particularly, we examine the effect of accent ratios in the training set. Besides, we introduce CEREALES, a new dataset of Quebec French.Going beyond accents, we are also interested in the impact of demographic variables on ASR performance. Using the Common Voice corpus, we highlight the model's biases and try to reduce them by using voluntarily biased training sets. Finally, the last chapter explores the issue of acoustic robustness using keyword recognition models: we show how ID and OOD performances are correlated and investigate how the training data or input features influence the robustness.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».