arXiv cs.CL· Fadel Thior, Ahmer Tabassum, Haania Siddiqui, Hanan Aldarmaki, Thamar Solorio·· 12 小时前AI 评分24
SyRA-CS：基于元学习的合成到真实语码转换 ASR 适配框架
SyRA-CS: Synthetic-to-Real Adaptation for Code-Switched ASR with Meta-Learning
AI 导读
SyRA-CS 是一个基于 Reptile 元学习的语码转换 ASR 合成到真实适配框架，先在各语言对的合成 CS-FLEURS 子集上元训练，再用 1 小时带标注真实目标语音适配。在阿拉伯语、法语、德语、印地语-英语四组语言对、四种架构共 16 组模型对比中，WER 全部优于持续微调，CER 有 15 组更优，XLS-R 的宏观 WER 相对降低 17.7%，其余三个模型降低 5.3-5.8%。
正文 · AI 翻译
摘要：语码转换（CS）自动语音识别（ASR）仍然困难，因为真实的 CS 语音稀缺，而合成语音无法完全与之匹配。我们研究合成 CS 语音是否更适合用于学习一种有利于适配的初始化，而非普通的持续微调。我们提出 SyRA-CS，一个基于 Reptile 元学习的、针对特定语言对的合成到真实适配框架。对于每个语言对和预训练模型，我们在相应的合成 CS-FLEURS 子集上进行元训练，然后使用一小时带标注的真实目标语音进行适配。我们评估了四种架构设置：Encoder-CTC、FastConformer-RNN-T、注意力编码器-解码器（AED）和 Speech-LLM。实验涵盖阿拉伯语-英语、法语-英语、德语-英语和印地语-英语，并与仅合成迁移、仅真实微调和持续微调进行对比。在全部 16 组模型-语言对比较中，SyRA-CS 在 WER 上均优于持续微调，在 16 组中的 15 组上 CER 更优，XLS-R 的相对宏平均 WER 降低 17.7%，其他三个模型降低 5.3-5.8%。这些增益在所测试的模型中均成立，但幅度因架构、语言对和指标而异。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.31415 [cs.CL] |
| （或 arXiv:2610.31415v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31415 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Fadel Thior [查看电子邮件]
[v1]
2026年10月22日星期四 15:17:10 UTC（3,005 KB）
来源：arXiv cs.CL · arxiv.org