[新闻稿标题]
Samsung Introduces Weight-Decomposed Low-Rank Adaptation for Enhanced Speaker Personalization in ASR
[城市，日期] – 在全球领先的语音识别、语音合成、说话人识别和语音语言处理技术会议Interspeech 2024系列活动中，三星展示了其最新的研究成果——使用权重分解低秩自适应技术进行说话人个性化自动语音识别（ASR）。
背景介绍
自动语音识别技术在语音助手系统中的应用越来越广泛，而个性化语音识别技术更是被视为该领域的“圣杯”。在处理有限说话人数据的情况下，如何优化模型成为关键。三星的研究团队提出了使用低秩自适应（LoRA）和权重分解低秩自适应（DoRA）技术，以提升说话人个性化ASR系统的性能。
研究方法
三星的研究团队对现有的级联卷积神经网络（Conformer）转码器模型进行了优化，通过添加少量的说话人特定权重并相应地进行微调，实现了说话人个性化。实验结果表明，在有限数据情况下，该方法的平均相对词错误率降低了20%，证明了其在实际应用中的有效性。
研究成果
该研究采用了两种低秩自适应变体——LoRA和DoRA，对ASR系统中的说话人个性化进行了探索。其中，LoRA方法通过向权重矩阵中添加一小部分参数来实现，而DoRA则通过权重分解技术优化权重矩阵。
实验结果
实验结果显示，使用LoRA和DoRA技术进行说话人个性化后，在有限数据情况下，ASR系统的性能得到了显著提升。这表明该技术有望为ASR系统的实际应用提供更精确的个性化体验。
总结
三星的研究成果为ASR技术的进一步发展提供了新的思路和方法。随着人工智能技术的不断进步，未来语音识别技术将在更多场景中得到应用，为用户带来更加便捷和个性化的体验。
[记者联系方式]
这篇新闻稿以简洁明了的语言概述了三星在Interspeech 2024会议上展示的研究成果，并突出了其在ASR领域的创新性贡献。
Views: 0