Multilingual Speech Command Recognition with Language Identification

2025

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/iecon58223.2025.11221185
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Multilingual Speech Command Recognition (SCR) facilitates voice interaction in environments where multiple languages are used interchangeably, a common characteristic of multilingual regions. In such settings, SCR and language identification (LID) are handled by separate models. This separation increases inference time, energy consumption, and memory usage. To address this gap, we propose a unified multitask model that performs SCR and LID simultaneously using a shared encoder and two task-specific output heads. We tested our approach using 15 languages: English, Kazakh, Tatar, Russian, Arabic, Turkish, French, German, Catalan, Spanish, Polish, Dutch, Persian, Kinyarwanda, and Italian. We trained and compared a monolingual SCR model for each language, a multilingual SCR model without LID, a multitask multilingual SCR model with LID, and an LID-only model. The multitask model achieves an average accuracy of 90.73% for SCR and 90.99% for LID, outperforming both the multilingual SCR model without LID and the LID-only model. We have made the source code and pretrained models available at https://github.com/IS2AI/Keyword-MLP-LangID to promote research in this area.