arXiv cs.CL· Xu He, Homayoon Beigi·· 6 天前AI 评分17
重新审视 DistilHuBERT 口音分类：说话人分离评估与跨语料泛化
Revisiting Accent Classification with DistilHuBERT: Speaker-Disjoint Evaluation and Cross-Corpus Generalization
AI 导读
研究基于 DistilHuBERT 重新评估口音分类鲁棒性，使用 L2-ARCTIC 与多个外部英语口音数据集，对比文件级与说话人分离划分。结果显示文件级评估显著高估性能，说话人分离评估才能更真实反映对未见说话人的泛化能力；仅用外部数据训练的模型无法可靠泛化到 L2-ARCTIC，平衡外部数据训练是最有前景的监督设置，而仅靠置信度过滤的伪标签在域不匹配下不够充分。
正文 · AI 翻译
摘要：近期的口音分类系统在标准的语料库内评估中可以达到很高的准确率。然而，当说话人在训练集和测试集之间存在重叠时，与真实部署场景相比，此类结果可能高估了模型的鲁棒性。本研究使用 L2-ARCTIC 和多个外部英语口音数据集，重新审视了基于 DistilHuBERT 的口音分类的鲁棒性。比较涵盖了文件级和说话人不相交的划分，以及平衡的外部数据训练和师生伪标签。语料库内评估与外部评估之间的巨大性能差距表明，文件级评估大幅高估了性能，而说话人不相交的评估可以为对未见说话人的泛化提供更现实的估计。在本研究中，仅在外部数据上训练的模型无法可靠地泛化到 L2-ARCTIC。在测试的配置中，平衡的外部数据训练提供了最有前景的监督设置。伪标签实验进一步表明，在领域不匹配的情况下，仅基于置信度的过滤是不够的。总体而言，本研究表明，稳健的口音分类评估应同时包括说话人不相交评估和跨语料库测试。
| 评论： | 9 页，1 幅图，7 张表。发表于第 9 届自然语言与语音处理国际会议（ICNLSP 2026），意大利特伦托大学，2026 年 9 月 25-26 日。会议录将收录于 ACL Anthology |
| 主题： | 音频与语音处理（eess.AS）；计算与语言（cs.CL）；机器学习（cs.LG）；声音（cs.SD） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2610.13440 [eess.AS] |
| （或 arXiv:2610.13440v1 [eess.AS] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13440 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Homayoon Beigi [查看电子邮件]
[v1]
2026 年 10 月 9 日星期五 11:38:44 UTC（59 KB）
来源：arXiv cs.CL · arxiv.org