研究者提出了一种利用深度伪造音频作为数据增强技术的方法，以解决训练可靠语音转文字模型时面临的标记数据不足和多样性问题。实验通过印度英语数据集验证了这种方法的有效性。
AI视野·今日CS.Sound 声学论文速览
Mon, 25 Sep 2023
Totally 1 papers
👉上期速览✈更多精彩请移步主页
Daily Sound Papers
| Deepfake audio as a data augmentation technique for training automatic speech to text transcription models Authors Alexandre R. Ferreira, Cl udio E. C. Campelo 为了训练产生可靠结果的转录器模型，需要大量且多样化的标记数据集。找到具有必要特征的此类数据是一项具有挑战性的任务，尤其是对于不如英语流行的语言。此外，生成此类数据需要付出巨大的努力，而且通常还需要金钱。因此，缓解此问题的策略是使用数据增强技术。在这项工作中，我们提出了一个基于深度伪造音频的数据增强框架。为了验证生成的框架，使用现有的深度伪造和转录模型进行了实验。选择了印度人用英语制作的语音克隆器和数据集，确保数据集中存在单一口音。 |
| Chinese Abs From Machine Translation |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
