論文の概要: Revealing the Role of Audio Channels in ASR Performance Degradation

• arxiv url: http://arxiv.org/abs/2508.08967v1
• Date: Tue, 12 Aug 2025 14:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.456801
• Title: Revealing the Role of Audio Channels in ASR Performance Degradation
• Title（参考訳）: ASR性能劣化におけるオーディオチャンネルの役割について
• Authors: Kuan-Tang Huang, Li-Wei Chen, Hung-Shin Lee, Berlin Chen, Hsin-Min Wang,
• Abstract要約: 異なる録音チャンネルによる音声特性の変化は、ASRの性能を損なう可能性があることを示す。 本稿では,チャネル変動の影響を軽減するために,正規化手法を提案する。 このアプローチは、未確認のチャンネルや言語上でのASR性能を大幅に改善する。
• 参考スコア（独自算出の注目度）: 25.410770364140856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pre-trained automatic speech recognition (ASR) models have demonstrated strong performance on a variety of tasks. However, their performance can degrade substantially when the input audio comes from different recording channels. While previous studies have demonstrated this phenomenon, it is often attributed to the mismatch between training and testing corpora. This study argues that variations in speech characteristics caused by different recording channels can fundamentally harm ASR performance. To address this limitation, we propose a normalization technique designed to mitigate the impact of channel variation by aligning internal feature representations in the ASR model with those derived from a clean reference channel. This approach significantly improves ASR performance on previously unseen channels and languages, highlighting its ability to generalize across channel and language differences.
• Abstract（参考訳）: 事前訓練された自動音声認識(ASR)モデルは、様々なタスクにおいて強い性能を示す。 しかし、入力オーディオが異なる録音チャンネルから来ると、その性能は著しく低下する。 以前の研究では、この現象が実証されているが、しばしばトレーニングとテストコーパスのミスマッチに起因する。 本研究では、異なる録音チャンネルによる音声特性の変化が、ASRの性能を根本的に損なうことを論じる。 この制限に対処するために、ASRモデルの内部特徴表現とクリーンな参照チャネルから派生した特徴表現を整合させることにより、チャネル変動の影響を軽減するために設計された正規化手法を提案する。 このアプローチは、未確認のチャネルや言語上でのASRのパフォーマンスを大幅に改善し、チャネルと言語の違いを一般化する能力を強調している。

関連論文リスト

• Channel-Aware Domain-Adaptive Generative Adversarial Network for Robust Speech Recognition [23.9811164130045]
  本稿では,頑健な音声認識訓練のためのチャネル認識データシミュレーション手法を提案する。 提案手法は,チャネル抽出技術とGANの相乗効果を利用する。 台湾におけるハッカ・アクロス・台湾 (HAT) と台湾・アクロス・台湾 (TAT) のコーパスについて, 相対的文字誤り率 (CER) を 20.02% と 9.64% の減少率で評価した。
  論文  参考訳（メタデータ） (2024-09-19T01:02:31Z)
• Reexamining Racial Disparities in Automatic Speech Recognition Performance: The Role of Confounding by Provenance [7.882996636086014]
  自動音声認識(ASR)モデルとその使用法は公平かつ公平であることが重要である。 この研究は、現在の最先端のニューラルネットワークベースのASRシステムの性能を調べることによって、この格差の根底にある要因を理解することを目的としている。
  論文  参考訳（メタデータ） (2024-07-19T02:14:17Z)
• Audio-visual End-to-end Multi-channel Speech Separation, Dereverberation and Recognition [52.11964238935099]
  本稿では,音声-視覚的多チャンネル音声分離,デバーベレーション,認識手法を提案する。 ビデオ入力は、マスクベースのMVDR音声分離、DNN-WPEまたはスペクトルマッピング(SpecM)ベースの音声残響フロントエンドで一貫して実証される。 オックスフォードLSS2データセットのシミュレーションや再生を用いて合成した重畳および残響音声データについて実験を行った。
  論文  参考訳（メタデータ） (2023-07-06T10:50:46Z)
• Prompt Tuning of Deep Neural Networks for Speaker-adaptive Visual Speech Recognition [66.94463981654216]
  話者適応型視覚音声認識(VSR)のためのディープニューラルネットワーク(DNN)の即時チューニング手法を提案する。 我々は、事前訓練されたモデルパラメータを変更する代わりに、ターゲット話者の適応データを微調整する。 提案手法の有効性を単語レベルのVSRデータベースと文レベルのVSRデータベースで評価した。
  論文  参考訳（メタデータ） (2023-02-16T06:01:31Z)
• Voice Quality and Pitch Features in Transformer-Based Speech Recognition [3.921076451326107]
  本研究では,トランスフォーマーに基づくASRモデルに対して,音声品質とピッチ特徴を完全かつ個別に取り入れることの効果について検討した。 We found mean Word Error Rate relative reductions to up 5.6% with the LibriSpeech benchmark。
  論文  参考訳（メタデータ） (2021-12-21T17:49:06Z)
• Dual Causal/Non-Causal Self-Attention for Streaming End-to-End Speech Recognition [58.69803243323346]
  注意に基づくエンドツーエンド自動音声認識(ASR)システムは、最近、多くのタスクに対する最先端の結果を実証している。 しかし、自己注意および注意に基づくエンコーダデコーダモデルの応用は、ASRのストリーミングでは依然として困難である。 二重因果的/非因果的自己注意アーキテクチャを提案するが、これは制限された自己意識とは対照的に、全体的なコンテキストが単一のレイヤのルックアヘッドを超えて成長することを妨げている。
  論文  参考訳（メタデータ） (2021-07-02T20:56:13Z)
• VQMIVC: Vector Quantization and Mutual Information-Based Unsupervised Speech Representation Disentanglement for One-shot Voice Conversion [54.29557210925752]
  ワンショット音声変換は、音声表現のアンタングルメントによって効果的に実現できる。 コンテンツエンコーディングにはベクトル量子化(VQ)を使用し、トレーニング中に相互情報(MI)を相関指標として導入する。 実験結果は,提案手法が効果的に非絡み合った音声表現を学習する際の優位性を反映している。
  論文  参考訳（メタデータ） (2021-06-18T13:50:38Z)
• Augmentation adversarial training for self-supervised speaker recognition [49.47756927090593]
  話者ラベルのない頑健な話者認識モデルを訓練する。 VoxCelebとVOiCESデータセットの実験は、セルフスーパービジョンを使用した以前の作業よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-07-23T15:49:52Z)
• Improving noise robust automatic speech recognition with single-channel time-domain enhancement network [100.1041336974175]
  単一チャネルの時間領域分割手法により,ASRの性能が大幅に向上することを示す。 単一チャネル雑音の低減はASR性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-03-09T09:36:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。