前言

摘要翻译一些内容。

论文地址请看这里

语种识别相关内容

1. Whisper支持LID，可以区分99种不同的语言；
2. 有人使用wav2vec 2.0实现LID，数据集中包含10种亚洲语言；
3. Tjandra等人证明，跨语言自监督模型可以通过使用专有数据集训练26种语言的语言识别模型来提高语言识别性能。
4. Babu等人使用VoxLingua-107数据集对预训练模型进行微调，以对107种语言进行LID；
5. MMS将语言数量扩展到4000多种。

我们通过微调MMS（1B）预训练模型进行语言识别来训练模型。这是通过在预训练的模型上堆叠一个线性分类器来实现的，该分类器映射到集合为特定任务选择可能的语言，然后微调所有参数，包括预训练模型。

实验结论

MMS的确好一些。
但ASRL、SpeechBrain，AmberNet也都还不错，还需要再比较一下模型大小。