选定印度语言 ASR 微调 合成语音数据的有效性分析

合成数据有潜力成为训练机器学习模型的宝贵资源，特别是自动语音识别（ASR）系统；然而，其有效性需要系统评估。在这项研究中，我们研究了将合成语音数据与现实世界录音结合起来对三种印度语言（印地语、卡纳达语和泰卢固语）的影响。我们分析通过用真实数据增强合成数据所实现的性能提升，并独立检查 ASR 性能如何随用于生成合成语音的脚本源而变化。此外，我们还评估了使用不同语音合成模型生成的合成语音的效果。最后，我们研究了合成语音生成中的语音克隆对 ASR 性能的影响，包括性能如何随着数据生成过程中使用的不同克隆语音的数量而变化。