Oct, 2022

数字化生活中的 NURC/SP：开源自动语音识别模型的作用

PDF
TL;DR本文介绍对 NURC 项目的自动语音识别及错误分析结果，选择最佳的自动识别模型并进行样本测试，成功自动转录了 284 小时的葡萄牙语口语数据。
nurc projectlinguistic urban normautomatic speech recognitionportuguese languagetranscription
发现论文，激发创造
  • 通过欧盟辩论自动语音识别进行政治语料库创建

    本文提出了一个欧盟议会 LIBE 委员会的书面语料库，总计 3.6 百万字。在实验过程中，我们使用基于 transformer 的 Wav2vec2.0 模型作为自动语音识别（ASR）流程的基础，并尝试了多个音频模型，语言模型和特定领域术语的添加来适应领域。结果表明，特定领域的音频模型和语言模型显着提高了 ASR 输出的质量，将错误率从 28.22 降至 17.95，并对下游分析任务有用。

    Apr, 2023

  • MSR-86K：一个包含 86,300 小时语音转换文本的多语种演变语料库，用于语音识别研究

    该论文介绍了 MSR-86K，这是一个逐渐增长的大规模多语言语音识别研究语料库，由 YouTube 上公开可访问的视频转录数据组成，包括 15 种语言和总共 86300 小时的 ASR 数据。同时，该论文还介绍了如何使用 MSR-86K 语料库和其他开源语料库来训练一个与 Whisper 相媲美的强大的多语言语音识别模型。我们将在 HuggingFace 上公开发布 MSR-86K，相信这样一个大规模的语料库将为多语言语音识别的研究开辟新的道路。

    Jun, 2024

  • ASR2K：2 千个左右的语言的语音识别（无需音频）

    提出了一种语音识别流程，可以利用 n-gram 统计信息或原始文本数据集，在没有音频文件的情况下，使用多语种模型构建语音识别流程，并在 1909 种语言上进行了测试。

    Sep, 2022

  • SPGISpeech：5000 小时的财经音频文本，用于完全格式化的端到端语音识别

    本文提出了一种新的语音转文字任务，即端到端的全格式文本转换，通过训练 Conformer-based 模型，成功实现了一个基线模型。

    Apr, 2021

  • 提升挪威语自动语音识别

    本文介绍了自然语言处理中自动语音识别的基准线模型在 Bokmål 和 Nynorsk 上的表现，其中最优模型使得 Norwegian Parliamentary Speech Corpus 的词错误率降至 7.6％，并探讨了提高挪威语 ASR 模型的挑战和解决方案。

    Jul, 2023

  • 年轻英语学习者语音的错误保留自动语音识别

    在这项工作中，我们构建了一个满足条件的自动语音识别系统，用于年轻语言学习者的自由说话并保留他们的错误。

    Jun, 2024

  • 使用 XLSR-53 的印尼语自动语音识别

    本研究基于 XLSR-53 预训练模型开发了印尼自动语音识别（ASR）系统，使用该模型能显著减少所需的非英语语言训练数据以达到竞争性的词错误率。研究使用了总计 24 小时、18 分钟、1 秒的数据，通过使用语言模型可以将词错误率从 20％降低到 12％。这些研究结果对于创造更好的印尼 ASR 系统并减少数据量方面进行了完善。

    Aug, 2023

  • 挪威议会演讲语料库

    使用挪威议会语音语料库进行自动语音识别训练较手稿朗读语音训练效果更好，尤其对方言的识别表现更出色。

    Jan, 2022

  • NPTEL MOOC 数千个视频间的单词错误率差异的深入研究

    本研究描述了一个庞大的语音数据集的构建过程，并利用该数据集评估了印度不同演讲者的性别、籍贯、年龄和语速对 YouTube 自动字幕和 OpenAI Whisper 模型性能的影响。结果表明需要更具包容性和鲁棒性的 ASR 系统以及更具代表性的数据集进行差异性评估。

    Jul, 2023

  • 梵语自动语音识别：新的语音语料库和建模见解

    本文对梵语 ASR 进行了首次大规模研究，研究了单元选择对梵语 ASR 的影响，并发布了 78 小时的梵语 ASR 数据集，研究不同声学模型和语言模型单元在 ASR 系统中的角色，提出了一个新的模型单元，并强调选择语文文字表示对词错误率的影响。

    Jun, 2021