摘要

端到端模型为语音语言理解（SLU）提供了一种极具吸引力的新方法，该方法无需依赖传统的分步处理流程（即独立训练的语音识别模块与自然语言理解模块），而是直接从原始音频中推断话语的语义。然而，端到端SLU的一个局限在于，必须收集领域内的真实语音数据以训练模型。本文提出了一种克服这一限制的策略：利用语音合成技术，从多个虚拟语音合成器生成大量合成训练数据。在两个开源SLU数据集上的实验结果表明，该方法不仅可作为训练数据的独立来源，还能有效作为数据增强手段，显著提升模型性能。