摘要

我们研究了阿拉伯语广播语音中不同方言识别方法，采用了从语音识别系统获得的音系特征和词汇特征，以及基于i-vector框架的声学特征。我们对生成式分类器和判别式分类器进行了研究，并使用多类支持向量机（Support Vector Machine, SVM）将这些特征结合起来。我们在阿拉伯语/英语语言识别任务上验证了我们的结果，准确率达到100%。我们还使用这些特征构建了一个二元分类器来区分现代标准阿拉伯语（Modern Standard Arabic, MSA）和方言阿拉伯语，准确率同样达到100%。此外，我们报告了使用所提出的方法在五种最常用的阿拉伯语方言之间进行区分的结果：即埃及方言、海湾方言、黎凡特方言、北非方言和MSA，准确率为52%。我们讨论了在方言与MSA之间的代码转换背景下出现的方言识别错误，并对比了手动标注数据与分类器输出之间的错误模式。我们还发布了训练数据和测试数据作为标准的方言识别语料库。