論文の概要: Mixture of Phonetic Experts Based Low-Rank Adaptation of Conformer Models for Accented English Speech Recognition

• arxiv url: http://arxiv.org/abs/2610.26888v1
• Date: Tue, 13 Oct 2026 08:35:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.376058
• Title: Mixture of Phonetic Experts Based Low-Rank Adaptation of Conformer Models for Accented English Speech Recognition
• Title（参考訳）: アクセント英語音声認識のためのコンバータモデルの低域適応に基づく音韻専門家の混合
• Abstract要約: MoPE-LoRAはアクセント付き英語音声認識のためのパラメータ効率適応フレームワークである。 アクセント差が音素認識の体系的歪みとしてしばしば表されるという観察に動機づけられた音素カテゴリーに沿った適応を整理する。 L2-ARCTICの実験では、MoPE-LoRAは単一LORAとフル微調整よりも一貫して改善されている。
• 参考スコア（独自算出の注目度）: 7.526901247431056
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Mixture of Phonetic Experts based Low-Rank Adaptation (MoPE-LoRA), a parameter-efficient adaptation framework for accented English speech recognition. Recent mixture-of-experts approaches typically allocate experts per accent, implicitly treating accent identity as the primary axis of variation. In contrast, we organize adaptation along phonetic categories, motivated by the observation that accent differences are often expressed as systematic distortions of phoneme realization. MoPE-LoRA introduces a fixed set of six low-rank experts aligned with manner-of-articulation classes and performs frame-level routing through a hybrid mechanism that combines phoneme supervision with learned acoustic gating. Because the expert set is shared across accents, the model does not require accent-specific modules and naturally extends to previously unseen accents. Experiments on L2-ARCTIC show that MoPE-LoRA consistently improves over single LoRA and full fine-tuning. In zero-shot evaluation where one accent is held out during training, the proposed method yields a 12.3% relative improvement over single LoRA. These results indicate that phonetic-category-based decomposition offers a scalable and transferable alternative to accent-level adaptation.
• Abstract（参考訳）: アクセント付き英語音声認識のためのパラメータ効率適応フレームワークMoPE-LoRAを提案する。 最近のミックス・オブ・エキスパートのアプローチでは、アクセントごとに専門家を割り当て、アクセントアイデンティティを変動の主軸として暗黙的に扱うのが一般的である。 対照的に、アクセント差が音素認識の体系的歪みとしてしばしば表されるという観察に動機づけられた音素カテゴリーに沿った適応を整理する。 MoPE-LoRAでは,音素の監督と学習された音響ゲーティングを組み合わせたハイブリッド機構によるフレームレベルのルーティングを行う。 エキスパートセットはアクセント間で共有されるため、モデルはアクセント固有のモジュールを必要としない。 L2-ARCTICの実験では、MoPE-LoRAは単一LORAとフル微調整よりも一貫して改善されている。 訓練中に1つのアクセントを保持できるゼロショット評価では,1つのLoRAに対して12.3%の相対的な改善が得られた。 これらの結果から,音素カテゴリーに基づく分解はアクセントレベルの適応に代えて,スケーラブルで伝達可能な方法であることがわかった。

関連論文リスト

• AS-ASR: A Lightweight Framework for Aphasia-Specific Automatic Speech Recognition [5.916484958997203]
  AS-ASRはWhisper-tinyに基づく軽量な失語特異的音声認識フレームワークである。 提案手法は,様々な比率で標準音声と失語音声を体系的に組み合わせ,ロバストな一般化を実現する。
  論文  参考訳（メタデータ） (2025-06-06T22:38:53Z)
• Mixture of LoRA Experts for Low-Resourced Multi-Accent Automatic Speech Recognition [15.95301904926759]
  特定のアクセントを専門とする低ランク適応(LoRA)の専門家の混合を利用した微調整手法であるMAS-LoRAを紹介する。 L2-ARCTICコーパスでWhisperを用いて行った実験は、通常のLoRAに比べて単語誤り率が大きく改善され、アクセントが不明な場合にはフル微調整が可能であった。 私たちの知る限りでは、非ネイティブなマルチアクセントASRにLoRAの専門家が混在するのはこれが初めてです。
  論文  参考訳（メタデータ） (2025-05-26T13:57:24Z)
• MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models [59.80042864360884]
  話者分布自動音声認識(SA-ASR)は,対応する話者に文字を正確に割り当てながら音声を転写することを目的としている。 本稿では,凍結した多言語ASRモデルを用いて話者属性を転写に組み込む新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-27T09:01:08Z)
• Improving Self-supervised Pre-training using Accent-Specific Codebooks [48.409296549372414]
  自己教師型学習のためのアクセント認識適応技術 Mozilla Common Voiceデータセットでは、提案手法は他のアクセント適応手法よりも優れています。
  論文  参考訳（メタデータ） (2024-07-04T08:33:52Z)
• DADA: Dialect Adaptation via Dynamic Aggregation of Linguistic Rules [64.93179829965072]
  DADAは、多言語対応のSAE訓練モデルに対するモジュラーアプローチである。 DADAは単一タスクと命令言語モデルの両方に有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-22T18:43:31Z)
• Low-resource Accent Classification in Geographically-proximate Settings: A Forensic and Sociophonetics Perspective [8.002498051045228]
  アクセント付き音声認識とアクセント分類は、音声技術における比較的未探索の研究分野である。 近年の深層学習法とトランスフォーマーを用いた事前学習モデルは,両領域で高い性能を達成している。 そこで本研究では,北イングランドの5つの都市品種から抽出した105の話者記録に基づいて,3つの主アクセントモデリング手法と2つの異なる分類器の組み合わせについて検討した。
  論文  参考訳（メタデータ） (2022-06-26T01:25:17Z)
• A Highly Adaptive Acoustic Model for Accurate Multi-Dialect Speech Recognition [80.87085897419982]
  単一AMを用いた高精度多言語音声認識のための新しい音響モデリング手法を提案する。 提案するAMは、方言情報とその内部表現に基づいて動的に適応し、複数の方言を同時に扱うための高度適応型AMとなる。 大規模音声データセットにおける実験結果から,提案したAMは,方言固有のAMと比較して,単語誤り率(WER)が8.11%,方言固有のAMに比べて7.31%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-05-06T06:07:09Z)
• Multi-Accent Adaptation based on Gate Mechanism [35.76889921807408]
  アクセント特異的のトップ層とゲート機構(AST-G)を用いてマルチアクセント適応を実現する。 実世界の応用では、事前に推論のためのアクセントカテゴリーラベルを得ることはできない。 アクセントラベル予測が不正確である可能性があるため、アクセント固有の適応よりも性能が劣る。
  論文  参考訳（メタデータ） (2020-11-05T11:58:36Z)

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。