摘要

近年来，语音识别模型通常需要大量硬件资源，且主要在英语语料上进行训练。本文提出了一种适用于德语、西班牙语和法语的语音识别模型，具备以下独特特性：（a）模型体积小巧，可在树莓派等微控制器上实现实时运行；（b）借助预训练的英语模型，仅需消费级硬件和相对较小的训练数据集即可完成训练；（c）在性能上可与现有解决方案相媲美，尤其在德语识别任务中表现更优。相较而言，现有方法仅具备本文所提出特性的部分组合，而本模型则综合了多项优势。此外，本文还发布了一个新的数据集处理库，该库设计注重可扩展性，便于轻松集成新的数据集，并提出了一种优化的跨语言迁移学习方法：利用具有相似字母系统的另一语言的预训练模型，高效迁移至新语言。