简单粗暴而有效的改图：自动语音识别数据扩增的“一条野路”( 六 )_图1

图4/7

图 | LibriSpeech 960h 和 Switchboard 300h 数据集上不同模型的表现（来源：Daniel S. Park，et al/ Google Brain）

2）优于利用语言模型的 ASR 模型

引入利用大量纯文本语料库训练的语言模型（Language Models，LMs）能够使 ASR 模型效果大大提升，因为可以用语料库中的大量信息使模型功能更强，这也是 ASR 任务的一个通用做法。语言模型一般是独立训练的，使用 ASR 模型时需要占据一定内存进行存储，这使其难以在小型设备上应用。而 SpecAugment 模型的优势是，即使不利用语言模型也优于现有引入语言模型的 ASR 模型。这意味着语言模型的大内存问题，有了解决之路。