题目： MULTI-TASK SELF-SUPERVISED LEARNING FOR ROBUST SPEECH RECOGNITION

摘要: 尽管人们对无监督学习越来越感兴趣，但从无标签的音频中提取有意义的知识仍然是一个公开的挑战。为了在这个方向上迈出一步，我们最近提出了一个问题不可知的语音编码器(PASE)，它结合了一个卷积编码器和多个神经网络，称为workers，其任务是解决自监督的问题，不需要手动注释的真值。PASE证明能够捕捉相关的语音信息，包括说话者的声纹和音素。本文提出了一种改进的PASE+，用于在噪声和混响环境下进行鲁棒语音识别。为此，我们使用了一个在线语音失真模块，它用各种随机干扰来污染输入信号。然后，我们提出一种改进的编码器，更好地学习短期和长期语音动态与递归网络和卷积网络的有效结合。最后，我们完善了用于自监督的workers，以鼓励更好的合作。

TIMIT、DIRHA和CHiME-5的结果表明，PASE+ sig-明显优于之前版本的PASE以及常见的声学特性。有趣的是，PASE+学习适用于高度不匹配的声学条件的可转移特征。