SpecAugment للتعرف على الكلام

It boosted accuracy on benchmarks without any new audio or model changes.

يعمل SpecAugment، الذي قدمه Google Brain (Park et al.) في عام 2019، على تعزيز التدريب على التعرف على الكلام عن طريق تحرير المخطط الطيفي log-mel مباشرة بدلاً من الشكل الموجي الخام. يتم تطبيق ثلاث عمليات: تزييف الوقت، والذي يعمل على تمديد الصوت أو ضغطه قليلاً على طول محور الوقت؛ إخفاء التردد، الذي يزيل نطاقات قنوات التردد من الصفر؛ وإخفاء الوقت، الذي يفرغ فترات زمنية من الخطوات. من خلال إجبار النموذج على التعرف على الكلام حتى عندما تكون أجزاء من المخطط الطيفي مخفية، يعمل SpecAugment كتنظيم ويمنع التجهيز الزائد. لقد كان رخيصًا وفعالًا بشكل ملحوظ، حيث ساعد النماذج ذات نمط LAS في الوصول إلى معدلات أخطاء الكلمات الحديثة في LibriSpeech وSwitchboard، ويظل عنصرًا افتراضيًا في مسارات تدريب ASR الحديثة.