研究：低资源语音识别中两种增强方法错误互补

一项在四种低资源语言和英语、五种数据规模上的研究发现，SpecAugment 的总体误差改善最可靠，但会增加声调和腭化错误；基于文本的增强方法则引入辅音插入错误，两者结合可互相抵消各自引入的错误。 研究者 Katsumi Ibaraki 和 David Chiang 称，文本增强方法将词频拉平后使声调与腭化错误频率提高 37–38%，两种方法组合的增益超过各自增益之和，但这种超加性在 100 小时后消失，互补性仅限低资源场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。