Kavya Manohar Dr.

新基准和微调技术改进了印度语言的自动语音识别

研究人员开发了 Vividh-ASR，这是一个旨在评估自动语音识别 (ASR) 模型在印度语言（特别是印地语和马拉雅拉姆语）上性能的新基准。该基准将音频分为四个级别：录音室、广播、即兴和合成噪声，以更好地诊断低资源语言的性能问题。他们的研究表明，优化学习率时机和课程排序可显著提高性能，尤其是在即兴语音方面。他们还引入了一种称为反向多阶段微调 (R-MFT) 的参数高效微调技术，该技术允许较小的模型匹配或超越经过传统微调的较大模型。