An Equal Data Setting for Attention-Based Encoder-Decoder and HMM/DNN Models: A Case Study in Finnish ASR

Aku Rouhe*, Astrid Van Camp, Mittul Singh, Hugo Van Hamme, Mikko Kurimo

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

52 Lataukset (Pure)

Abstrakti

Standard end-to-end training of attention-based ASR models only uses transcribed speech. If they are compared to HMM/DNN systems, which additionally leverage a large corpus of text-only data and expert-crafted lexica, the differences in modeling cannot be disentangled from differences in data. We propose an experimental setup, where only transcribed speech is used to train both model types. To highlight the difference that text-only data can make, we use Finnish, where an expert-crafted lexicon is not needed. With 1500h equal data, we find that both ASR paradigms perform similarly, but adding text data quickly improves the HMM/DNN system. On a smaller 160h subset we find that HMM/DNN models outperform AED models.

AlkuperäiskieliEnglanti
OtsikkoSpeech and Computer - 23rd International Conference, SPECOM 2021, Proceedings
ToimittajatAlexey Karpov, Rodmonga Potapova
Sivut602-613
Sivumäärä12
DOI - pysyväislinkit
TilaJulkaistu - 2021
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaInternational Conference on Speech and Computer - Virtual, Online
Kesto: 27 syyskuuta 202130 syyskuuta 2021
Konferenssinumero: 23

Julkaisusarja

NimiLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
Vuosikerta12997 LNAI
ISSN (painettu)0302-9743
ISSN (elektroninen)1611-3349

Conference

ConferenceInternational Conference on Speech and Computer
LyhennettäSPECOM
KaupunkiVirtual, Online
Ajanjakso27/09/202130/09/2021

Sormenjälki

Sukella tutkimusaiheisiin 'An Equal Data Setting for Attention-Based Encoder-Decoder and HMM/DNN Models: A Case Study in Finnish ASR'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä