摘要

数据增强是提升自动语音识别（ASR）训练鲁棒性的常用技术。尽管ASR训练流程的大部分已实现自动化，并趋向于“端到端”模式，但数据增强策略（即采用哪些增强函数及其应用方式）仍依赖人工设计。本文提出Graph-Augment，一种将增强空间建模为有向无环图（DAG）并在此空间中进行搜索以优化增强策略的新方法。实验结果表明，在相同的计算预算下，Graph-Augment生成的增强策略在CHiME-6和AMI数据集的微调任务上，性能优于通过随机搜索获得的SpecAugment策略。此外，Graph-Augment在CHiME-6测试集上取得了新的最优ASR性能，词错误率（WER）降至30.7%。我们还进一步验证，相较于通过随机搜索得到的SpecAugment策略，Graph-Augment策略在从热启动（warm-start）到冷启动（cold-start）训练、以及不同模型规模之间的迁移能力方面均表现出更优的泛化性能。