论文

Ethio-ASR：埃塞俄比亚语言的联合多语言语音识别和语言识别

Ethio-ASR: Joint Multilingual Speech Recognition and Language Identification for Ethiopian Languages

Badr M. Abdullah; Israel Abebe Azime; Atnafu Lambebo Tonja; Jesujoba O. Alabi; Abel Mulat Alemu; Eyob G. Hagos; Bontu Fufa Balcha; Mulubrhan A. Nerea; Debela Desalegn Yadeta; Dagnachew Mekonnen Marilign; Amanuel Temesgen Fentahun; Tadesse Kebede; Israel D. Gebru; Michael Melese Woldeyohannis; Walelign Tewabe Sewunetie; Bernd Möbius; Dietrich Klakow来源日期：2026.03.25

应用与实践语音识别与转写

摘要

我们推出了 Ethio-ASR，这是一套基于 CTC 的多语言自动语音识别 (ASR) 模型，针对五种埃塞俄比亚语言进行了联合训练：阿姆哈拉语、提格里尼亚语、奥罗莫语、西达马语和沃莱塔语。这些语言属于亚非语系的闪米特语、库希特语和奥莫提语分支，尽管埃塞俄比亚绝大多数人口都使用这些语言，但在语音技术方面的代表性仍然严重不足。我们使用几个预先训练的语音编码器在最近发布的 WAXAL 语料库上训练我们的模型，并根据强大的多语言基线（包括 OmniASR）进行评估。我们的最佳模型在 WAXAL 测试集上的平均 WER 为 30.48%，优于参数少得多的最佳 OmniASR 模型。我们进一步对性别偏见、元音长度和辅音双生对 ASR 错误的贡献以及多语言 CTC 模型的训练动态进行了全面分析。我们的模型和代码库向研究社区公开。