SpecAugment

收录理由

训练语音识别模型时，最头疼的往往是数据不够，模型容易在有限的样本上过拟合。SpecAugment 是 Google Brain 在 2019 年提出的数据增强方法，它直接对声谱图动手，通过时间方向上的扭曲、随机屏蔽连续的频率通道和时间片段，模拟真实语音中常见的失真。这个仓库把该方法封装成一个小巧的库，同时提供了 TensorFlow 和 PyTorch 两个可互换的实现，无论你用的是哪个框架，都能直接嵌入现有流程。对于搭建语音识别管线的开发者来说，这相当于一个现成的正则化步骤，省去了自己复现论文细节的麻烦，能快速提升模型的泛化能力。