arXiv cs.CLは10月13日(現地時間)、サンタ・ダハル (Santosh Dahal) 氏らがアクセント付き英語音声認識の新たな適応フレームワーク「ミクスチャー・オブ・フォネティック・エキスパート・ベースド・ローランク・アダプテーション (Mixture of Phonetic Experts based Low-Rank Adaptation、MoPE-LoRA)」を発表した。この手法は、従来のアクセント単位ではなく音韻カテゴリに沿って適応を構成し、パラメーター効率の良い適応を可能にする。L2-ARCTICデータセットを用いた実験では、既存手法と比較して一貫した改善を示し、特にゼロショット評価では単一LoRAに対し12.3%の相対的改善を達成した。
MoPE-LoRAは、Conformerモデル向けの低ランク適応 (Low-Rank Adaptation) を利用した手法である。アクセントの違いが音素実現の系統的な歪みとして現れるという観察に基づき、適応プロセスを音韻カテゴリに沿って構成する。具体的には、調音様式 (manner-of-articulation) クラスと整合する6つの固定された低ランクエキスパートを導入している。
フレームレベルでのルーティングは、音素教師あり (phoneme supervision) と学習された音響ゲーティング (acoustic gating) を組み合わせたハイブリッド機構を通じて実行される。このエキスパートセットがアクセント間で共有されることで、MoPE-LoRAモデルはアクセント固有のモジュールを不要とし、未見のアクセントへの自然な拡張性を実現する。
L2-ARCTICデータセットを用いた実験結果では、MoPE-LoRAが単一LoRAおよびフルファインチューニングと比較して一貫した改善を示した。特に、訓練時に一つのアクセントを除外したゼロショット評価では、提案手法が単一LoRAに対して12.3%の相対的な改善をもたらした。これらの結果は、音韻カテゴリベースの分解がアクセントレベルの適応に代わる、スケーラブルで転送可能な手法であることを示している。
参考: arXiv cs.CL — 2026年10月21日 13:00 (JST)