芬兰语语音SSL研究：2.1M小时广播音频

Yaroslav Getman等作者发表一项芬兰语语音自监督学习（SSL）研究，以210万小时无约束广播音频为起点。研究提出用ASR置信度作为预训练数据质量的代理指标，在训练集更小的情况下，比基于语种识别（LID）的过滤取得3%至7%的相对词错率（WER）改善。 研究在匹配参数预算下对比了Transformer、Macaron-Net、Conformer和E-Branchformer四种架构，称模型在Base规模和域外表现上优于此前的芬兰语SSL基线。上述过滤效果与架构对比结论均来自该研究自身的说法。

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。