arXiv cs.CL· Houssam Eddine-Othman Lachemat, Shammur Absar Chowdhury·· 10 天前AI 评分27
儿童 ASR 适配与成人语音保持：一项实证研究
Child ASR Adaptation with Adult Retention: An Empirical Study
AI 导读
研究比较了全量微调、LoRA 与事后权重空间合并在阿拉伯语和英语儿童 ASR 适配中的表现，覆盖 encoder-decoder、encoder-CTC 和 AudioLLM 三类系统。结果显示儿童适配确有必要，但直接适配常导致成人语音识别性能下降；权重空间合并（LERP 偏向成人保持、TIES 恢复更强儿童增益）往往能改善这一权衡，双语适配比单语适配更稳定。
正文 · AI 翻译
摘要：自动语音识别（ASR）系统在儿童和非母语说话者上的表现往往不佳，而将成人 ASR 模型适配到儿童语音会导致成人语音遗忘。我们研究阿拉伯语和英语中兼顾成人保持的儿童 ASR 适配。我们比较了全量微调、LoRA 和事后权重空间合并，涵盖编码器--解码器、编码器--CTC 和基于 AudioLLM 的 ASR 系统。实验使用阿拉伯语母语和非母语儿童语音、英语 MyST 儿童语音，以及来自 MGB-2 和 LibriSpeech test-clean 的成人基准。我们用 WER 评估识别质量，并使用 Retention Index、Child Adaptation Gain 和 Adaptation Recovery 量化适配--保持权衡。结果表明，儿童适配是必要的，尤其是对非母语阿拉伯语和英语儿童语音，但直接适配往往会降低成人 ASR 性能。双语适配比特定语言适配更稳定。权重空间合并通常能改善权衡，尤其是对编码器--CTC、Whisper 和基于 AudioLLM 的 ASR，其中 LERP 更有利于成人保持，TIES 能恢复更强的儿童增益。对于编码器--解码器模型，直接双语微调在原始 WER 上仍然最强。\footnote{代码和模型可在 this https URL 获取。
| Comments: | long paper |
| Subjects: | 计算与语言（cs.CL）；人工智能（cs.AI）；机器学习（cs.LG）；声音（cs.SD）；音频与语音处理（eess.AS） |
| MSC classes: | 68T50 |
| ACM classes: | F.2.2; I.2.7 |
| Cite as: | arXiv:2610.08827 [cs.CL] |
| （或 arXiv:2610.08827v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08827 arXiv 颁发的 DOI 通过 DataCite |
Submission history
来自：Houssam Eddine-Othman Lachemat [查看电子邮件]
[v1]
2026年9月25日星期五 18:10:54 UTC（651 KB）
来源：arXiv cs.CL · arxiv.org