Reverse Multi-Stage Fine-Tuning (R-MFT)

新基准解决印度语言的ASR偏见问题

研究人员开发了Vividh-ASR，这是一个旨在评估印度语言（特别是印地语和马拉雅拉姆语）自动语音识别（ASR）模型的新基准。该基准将音频分为四个复杂性级别：录音室、广播、即兴和合成噪声，旨在解决模型在朗读语音上表现良好但在即兴音频上表现不佳的“录音室偏见”。他们的研究表明，特定的训练策略，如早期的大参数更新和难易课程，可以显著提高性能，尤其是在即兴语音方面。他们还引入了一种参数高效的训练方法，反向多阶段微调（R-MFT），该方法允许…