语种识别的声学域迁移：从受控实验到MMS-LID验证

域泛化旨在开发面对训练未见条件仍稳健的模型。计算机视觉已通过受控基准与多种分布迁移系统研究域泛化，但口语语种识别的评测仍不够结构化。现有语音数据集为真实声学条件下的鲁棒性提供有价值基准，但主要围绕特定场景和大规模数据设计，而非作为系统构建与评估域迁移的通用工具。本文提出一个小规模语音数据集和评测协议，用于受控研究声学域迁移，可在多种声学迁移条件下评估语种识别模型。我们把语音模态引入DomainBed域泛化框架，并评估三种域泛化算法。结果显示，域内表现不能可靠预测跨域鲁棒性；显式域不变算法，如MMD或DANN，并不优于ERM。我们还在先进语种识别系统MMS-LID-126上验证这些发现的普适性，并发布代码。