arXiv 自然语言处理· Christopher Witzl, Tobias Bocklet, Korbinian Riedhammer·· 4 小时前AI 评分28
德语语音识别中的音系学分词：跨领域研究
Phonologically Informed Tokenization for German Speech Recognition: A Cross-Domain Study
AI 导读
研究在 wav2vec 2.0 骨干网络与 CTC 微调架构下，评估了德语语音识别中基于音系学信息分词（结合 Pyphen 音节切分等）的跨领域表现。在 40 次微调评测中，音系学分词在域内测试的 WER 和 CER 上与 BPE 基线持平；但在小词表配置下，音节感知分词在方言及自发语音场景中表现更优。分析表明分词器的选择取决于词表预算与预期的分布偏移。
来源：arXiv 自然语言处理 · arxiv.org