一项研究调查了使用来自僧伽罗语的跨语言迁移学习来改善资源匮乏的迪维希语的自动语音识别（ASR）。研究人员在五个范式中进行了十七项实验，包括基线和多语言微调。

  • 最强的系统使用了在僧伽罗语上的持续预训练，随后使用 KenLM 在迪维希语上进行微调。
  • 这种方法达到了 12.89% 的词错误率（WER）和 2.70% 的字符错误率（CER）。
  • 它比仅使用迪维希语的基线提高了 13.50% WER 和 3.02% CER。
  • 土耳其语对照实验证实，改进源于语言亲缘关系而非通用适应。

结果表明，当与适当的解码配置结合时，从语言相关的语言进行迁移学习可以显著提高低资源 ASR 的性能。