芬兰语语音SSL：用ASR置信度过滤广播音频

一项芬兰语语音自监督学习（SSL）研究提出，用自动语音识别（ASR）置信度作为预训练数据质量的代理指标，从210万小时无约束广播音频中筛选数据。作者Yaroslav Getman等人称，相比基于语种识别（LID）的过滤，该方法在训练集更小的情况下取得3%至7%的相对词错误率（WER）改善。 研究还在匹配参数预算下对比了Transformer、Macaron-Net、Conformer与E-Branchformer四种架构。作者称其模型优于此前的芬兰语SSL基线，在Base规模和域外场景上尤为明显。

根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。