基于多特征迁移学习的低资源临高方言语音识别方法

王忠; 曹春杰; 谢夏; 穆罕默德·艾哈迈德·拉扎; 陈勇青; 陈昱珏

doi:10.11959/j.issn.1000-436x.2025196

您当前的位置：

首页 >

文章列表页 >

基于多特征迁移学习的低资源临高方言语音识别方法

学术论文 | 更新时间：2025-11-25

- 基于多特征迁移学习的低资源临高方言语音识别方法
- Low-resource Lingao dialect speech recognition method based on multi-feature transfer learning
- “在低资源临高方言语音识别领域，提出了基于多特征迁移学习的端到端识别方法，有效降低字错误率，为濒危语言保护提供技术路径。”
- 通信学报 2025年46卷第10期页码：221-232
- 作者机构：
  
  1.海南大学信息与通信工程学院，海南海口 570228
  2.海南经贸职业技术学院信息技术学院，海南海口 571127
  3.海南大学网络空间安全学院（密码学院），海南海口 570228
  4.海南大学计算机科学与技术学院，海南海口 570228
  5.北京原点临近科技有限责任公司，北京 100074
- 作者简介：
  
  [ "王忠（1969- ），男，海南临高人，海南大学博士生，主要研究方向为人工智能应用、自然语言处理、语音识别。" ]
  [ "曹春杰（1977- ），男，河北衡水人，博士，海南大学教授、博士生导师，主要研究方向为无线网络安全、区块链、人工智能安全。" ]
  [ "谢夏（1978- ），女，湖北武汉人，海南大学教授、博士生导师，主要研究方向为大数据挖掘、知识图谱应用、人工智能应用等。" ]
  [ "穆罕默德·艾哈迈德·拉扎（1995- ），男，巴基斯坦人，海南大学博士生，主要研究方向为网络安全、物联网、智能数据分析与传感器网络。" ]
  [ "陈勇青（1987- ），男，海南海口人，博士，海南经贸职业技术学院教授，主要研究方向为自然语言处理、语音识别、自动驾驶环境感知、机器学习、计算机视觉。" ]
  [ "陈昱珏（1996- ），男，湖南郴州人，博士，北京原点临近科技有限责任公司高级工程师，主要研究方向为面向风电的AI运维模型、方言语音模型等。" ]
- 基金信息：
  
  国家自然科学基金资助项目(U24A20238);国家重点研发计划基金资助项目(2021YFB2700600)
- DOI：10.11959/j.issn.1000-436x.2025196
  中图分类号： TP391.4
- 收稿：2025-08-31，
  
  修回：2025-10-31，
  
  录用：2025-11-03，
  
  纸质出版：2025-10-20
- 稿件说明：
移动端阅览
王忠,曹春杰,谢夏等.基于多特征迁移学习的低资源临高方言语音识别方法[J].通信学报,2025,46(10):221-232.

WANG Zhong,CAO Chunjie,XIE Xia,et al.Low-resource Lingao dialect speech recognition method based on multi-feature transfer learning[J].Journal on Communications,2025,46(10):221-232.
王忠,曹春杰,谢夏等.基于多特征迁移学习的低资源临高方言语音识别方法[J].通信学报,2025,46(10):221-232. DOI： 10.11959/j.issn.1000-436x.2025196.

WANG Zhong,CAO Chunjie,XIE Xia,et al.Low-resource Lingao dialect speech recognition method based on multi-feature transfer learning[J].Journal on Communications,2025,46(10):221-232. DOI： 10.11959/j.issn.1000-436x.2025196.

浏览量

436

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

城市场景下基于域适应迁移学习的交通流预测方法

面向正常拟合迁移学习模型的成员推理攻击

基于多维度和多模态信息的视频描述方法

Na⁺离子掺杂Gd₂O₃ ∶ Sm³⁺纳米晶的发光增强

绿色发光粉CaBa₂(BO₃)₂ ∶ Tb³⁺的制备和发光特性

基于多特征迁移学习的低资源临高方言语音识别方法

Low-resource Lingao dialect speech recognition method based on multi-feature transfer learning

DOI：10.11959/j.issn.1000-436x.2025196