
音声処理タスクにおいて、データ拡張手法を適用することで、モデルのロバスト性と一般化性が向上することが示された。特に、SpecAugmentは元のデータセットでも性能向上を示し、Gaussian NoiseやSpeed Perturbationは対応する拡張データセットでの性能が優れていることが明らかになった。


coremsg

音声データ拡張手法の比較-s3prl-ツールキットを使用して


音声データ拡張手法の比較 - S3PRL ツールキットを使用して


title_rewrite


ラベル付けされた音声データが少ない場合でも、テキスト音声合成拡散モデルを用いて合成データを作成し、データ拡張を行うことで、音声分類の精度を向上させることができる。


synthio-テキスト音声合成拡散モデルを用いた小規模音声分類データセットの合成データによる拡張


Synthio：テキスト音声合成拡散モデルを用いた小規模音声分類データセットの合成データによる拡張
