WavLM: Large-Scale Self-Supervised Pre-Training for Full Stack Speech Processing

计算机科学 语音识别 语音处理 语音活动检测 语音增强 语音编码 序列标记 水准点(测量) 人工智能 变压器 降噪 任务(项目管理) 物理 管理 大地测量学 量子力学 电压 经济 地理
作者
Sanyuan Chen,Chengyi Wang,Zhengyang Chen,Yu Wu,Shujie Liu,Zhuo Chen,Jinyu Li,Naoyuki Kanda,Takuya Yoshioka,Xiong Xiao,Jian Wu,Long Zhou,Shuo Ren,Yanmin Qian,Yao Qian,Jian Wu,Michael Zeng,Xiangzhan Yu,Furu Wei
出处
期刊:IEEE Journal of Selected Topics in Signal Processing [Institute of Electrical and Electronics Engineers]
卷期号:16 (6): 1505-1518 被引量:1636
标识
DOI:10.1109/jstsp.2022.3188113
摘要

Self-supervised learning (SSL) achieves great success in speech recognition, while limited exploration has been attempted for other speech processing tasks. As speech signal contains multi-faceted information including speaker identity, paralinguistics, spoken content, etc., learning universal representations for all speech tasks is challenging. To tackle the problem, we propose a new pre-trained model, WavLM, to solve full-stack downstream speech tasks. WavLM jointly learns masked speech prediction and denoising in pre-training. By this means, WavLM does not only keep the speech content modeling capability by the masked speech prediction, but also improves the potential to non-ASR tasks by the speech denoising. In addition, WavLM employs gated relative position bias for the Transformer structure to better capture the sequence ordering of input speech. We also scale up the training dataset from 60 k hours to 94 k hours. WavLM Large achieves state-of-the-art performance on the SUPERB benchmark, and brings significant improvements for various speech processing tasks on their representative benchmarks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
CodeCraft的应助被科研通管家采纳,获得10
刚刚
1秒前
科目三的应助被科研通管家采纳,获得10
1秒前
1秒前
1秒前
Jasper的应助被科研通管家采纳,获得10
1秒前
领导范儿的应助被科研通管家采纳,获得10
1秒前
DW的应助被科研通管家采纳,获得10
1秒前
Jasper的应助被科研通管家采纳,获得10
1秒前
研友_LBoEqn完成签到,获得积分10
1秒前
酷波er的应助被xiaojia采纳,获得10
1秒前
DW的应助被科研通管家采纳,获得10
1秒前
lalala发布了新的文献求助10
1秒前
俭朴南风发布了新的文献求助10
2秒前
orixero的应助被科研通管家采纳,获得10
2秒前
无极微光的应助被科研通管家采纳,获得20
2秒前
2秒前
等待雁桃发布了新的文献求助10
2秒前
ding的应助被科研通管家采纳,获得10
2秒前
2秒前
CipherSage的应助被科研通管家采纳,获得10
2秒前
2秒前
慕青的应助被科研通管家采纳,获得10
2秒前
BButters发布了新的文献求助10
2秒前
慕青的应助被科研通管家采纳,获得10
2秒前
所所的应助被科研通管家采纳,获得10
2秒前
carroline81的应助被科研通管家采纳,获得10
3秒前
疑问发布了新的文献求助10
3秒前
3秒前
斯文败类的应助被科研通管家采纳,获得10
3秒前
小马甲的应助被科研通管家采纳,获得10
3秒前
学术雷锋的应助被科研通管家采纳,获得10
3秒前
隐形曼青的应助被科研通管家采纳,获得10
3秒前
YuJue的应助被科研通管家采纳,获得30
3秒前
无极微光的应助被科研通管家采纳,获得20
4秒前
梨色完成签到,获得积分10
4秒前
4秒前
4秒前
Orange的应助被科研通管家采纳,获得10
4秒前
lc123发布了新的文献求助10
4秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Energie-Contracting 1500
Spec 401: Standards for Jet Fuel Facility and Equipment Commissioning and Flushing at Airports, 2026.1 (Original Issue) 1000
Spec 103: Standard for Jet Fuel Quality Control at Airports, Revision 2026.1 1000
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Introduction to Industrial/Organizational Psychology 800
Topological Photonics: Fundamentals and Applications 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8094479
求助须知:如何正确求助?哪些是违规求助? 9506113
关于积分的说明 21452268
捐赠科研通 7668121
什么是DOI,文献DOI怎么找? 3405995
关于科研通互助平台的介绍 2534035
邀请新用户注册赠送积分活动 2445234