语音识别中的小样本学习使模型能够仅使用少量示例来适应新任务或领域。与需要大量标记数据集的传统方法不同，小样本方法侧重于利用先验知识从最少的数据中进行泛化。对于语音识别，这意味着训练模型以仅用少量音频样本识别新单词、口音或说话风格。例如，在通用英语语音上预训练的模型可以在听到几次用户对技术术语的独特发音后快速适应。这种方法减少了对昂贵的数据收集和注释的需求，使其适用于小众应用。
从技术上讲，语音识别的小样本学习通常涉及将预训练的声学模型与基于度量的学习或基于提示的自适应等技术相结合。一种常见的方法是将音频样本编码为嵌入（向量表示），以捕获语音和上下文特征。当提供新示例时，模型会将它们的嵌入与其现有知识库中的嵌入进行比较以进行预测。例如，开发人员可以通过提供一种罕见方言的几个音频剪辑及其转录来微调像 Whisper 或 Wav2Vec2 这样的模型。然后，该模型会调整其参数，以优先考虑新数据中的模式，同时保留其通用语音识别功能。PyTorch 或 TensorFlow 等工具通过提供用于嵌入提取和相似性计算的库来简化此过程。
然而，语音识别中的小样本学习面临着挑战。提供的示例的质量和多样性会严重影响性能——如果少量样本存在噪声或缺乏关键变化，模型可能无法泛化。开发人员可以通过增加输入数据（例如，添加背景噪声）或使用正则化来防止过拟合来解决这个问题。另一个考虑因素是平衡模型对先验知识的依赖与新数据的依赖；将小样本自适应与基于规则的后处理相结合的混合方法通常会产生更好的结果。例如，医疗转录系统可以使用小样本学习来识别不常见的术语，同时依赖于预定义的术语表来纠正错误。总的来说，小样本方法扩展了语音系统的灵活性，但需要仔细实施才能处理现实世界的变异性。