Analysis of X-Vectors for Low-Resource Speech Recognition
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F21%3APU142917" target="_blank" >RIV/00216305:26230/21:PU142917 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.fit.vut.cz/research/publication/12525/" target="_blank" >https://www.fit.vut.cz/research/publication/12525/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICASSP39728.2021.9414725" target="_blank" >10.1109/ICASSP39728.2021.9414725</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Analysis of X-Vectors for Low-Resource Speech Recognition
Popis výsledku v původním jazyce
The paper presents a study of usability of x-vectors for adaptation of automatic speech recognition (ASR) systems. Xvectors are Neural Network (NN)-based speaker embeddings recently proposed in speaker recognition (SR). They quickly replaced common i-vectors and became new state-of-the-art technique. Here, the same approach is adopted for ASR with the hope of similar outcome. All experiments were done on ASR for the latest IARPA MATERIAL evaluation running on Pashto language. Over 1% absolute improvement was observed with x-vectors over traditional i-vectors, even when the x-vector extractor was not trained on target Pashto data.
Název v anglickém jazyce
Analysis of X-Vectors for Low-Resource Speech Recognition
Popis výsledku anglicky
The paper presents a study of usability of x-vectors for adaptation of automatic speech recognition (ASR) systems. Xvectors are Neural Network (NN)-based speaker embeddings recently proposed in speaker recognition (SR). They quickly replaced common i-vectors and became new state-of-the-art technique. Here, the same approach is adopted for ASR with the hope of similar outcome. All experiments were done on ASR for the latest IARPA MATERIAL evaluation running on Pashto language. Over 1% absolute improvement was observed with x-vectors over traditional i-vectors, even when the x-vector extractor was not trained on target Pashto data.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ISBN
978-1-7281-7605-5
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
6998-7002
Název nakladatele
IEEE Signal Processing Society
Místo vydání
Toronto, Ontario
Místo konání akce
Toronto, Canada
Datum konání akce
6. 6. 2021
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000704288407055