Nov, 2022

人工语言不流畅检测，哦不，语言不流畅产生技术为大众服务

PDF
TL;DR本文提出了一种名为 LARD 的方法，该方法可以从流畅的文本中自动生成人工语言障碍，并将上下文嵌入到混淆生成中以产生逼真的上下文感知人工语言障碍，从而绕过标注数据的要求。我们的实验证明 LARD 可以在没有或只有少量数据时有效地使用，并增加了现有混淆检测器的准确性。
disfluency detectionannotated datasetslardartificial disfluenciescontextual embeddings
发现论文，激发创造
  • 大规模人工语焉不详生成

    本文提出了用于在对话系统中检测语言不流畅的复杂和真实的人工生成方法 LARD，同时发布了一个包含不流畅性的大规模数据集，可以用于四种不同的任务，实验结果表明该方法生成的数据可有效用于检测和移除不流畅性语言。

    Jan, 2022

  • 利用大型语言模型作为发错流产生器提升发错流检测

    利用大型语言模型（LLM）生成多样和更真实的句子作为数据增强，结合不确定性感知的数据过滤方法，提高失语检测性能，进一步增强成本效益。

    Mar, 2024

  • 低资源语调修正的对抗训练

    该论文提出了一种采用对抗式训练的序列标注模型进行不流畅语音纠正的方法，结合少量有标记的真实不流畅数据和大量的未标记数据。该技术在印度语言和英语中的不流畅语音及发音障碍引起的口吃方面均表现出色，并在 F1 得分上比竞争基线平均提高了 6.15 个百分点。这是首次利用对抗性训练进行不流畅语音更正并在英语中纠正口吃等问题，为该任务建立了新的基准。

    Jun, 2023

  • 对话系统中面向领域通用口语断续检测的多任务学习

    本文提出一种多任务基于 LSTM 的模型，用于增量检测口吃结构，可以连接到任何组件以进行增量解释，或者在产生当前话语时用于 “清理” 当前话语。我们在 Switchboard 对话行为语料库上训练了该系统，并展示了其在该数据集上的准确性。我们的模型在 SWDA 上比以前的神经网络基于增量的方法表现优异，同时采用较简单的架构。为了测试模型的泛化潜力，我们在没有任何附加训练的情况下，在 bAbI + 数据集上评估了相同的模型。这表明我们的方法具有很好的泛化潜力，并更加详细地阐明了哪些类型的口吃可能适合于领域通用处理。

    Oct, 2018

  • 多任务自监督学习用于消除语注检测

    本文针对训练数据短缺的问题，提出了使用自监督方法结合无标注数据构建伪训练数据进行预训练，并利用有标注的训练数据进行微调的方法，达到了使用少量数据在英语 Switchboard 数据集上与之前使用全数据进行训练的系统表现相当的结果。使用全数据进行训练时，我们的方法可将误差降低 21%。

    Aug, 2019

  • RADAR: 鲁棒的 AI 文本检测方法

    RADAR, a framework for Robust AI-text Detection via Adversarial Training, significantly outperforms existing AI-text detection methods by using adversarial training to improve the capability of detecting AI-generated text, especially in cases where paraphrasing is used.

    Jul, 2023

  • 大型语言模型用于口吃语音的错断检测

    通过将自动语音识别系统生成的假设候选项和从音频编码模型提取的声学表示输入到大型语言模型（LLMs）中，我们将多标签异味检测任务作为一种语言建模问题进行了研究，并在包含英语和德语结巴语音的三个数据集上对系统进行了优化，以预测异味标签，实验结果表明我们的系统有效地结合声学和词法信息，在多标签结巴检测任务上取得了有竞争力的结果。

    Jun, 2024

  • 自动识别未转录语音中的干扰

    说话不流畅现象，如填充式停顿或重复，是典型言语流畅的干扰。本文研究语言、声学和多模态方法在自动裁剪检测和分类中的应用，发现基于声学的方法在性能上超过语言方法，同时引入多模态结构提升了检测性能。这些创新方法有助于将自动裁剪检测应用于各种应用场景。

    Nov, 2023

  • Raidar: 基于生成式人工智能的检测重写

    我们发现，在重新编写任务中，大型语言模型（LLMs）更有可能修改人类撰写的文本，而不是 AI 生成的文本。这种偏好出现的原因是 LLMs 通常认为 AI 生成的文本质量较高，从而减少了修改。我们提出了一种通过提示 LLMs 重新编写文本并计算输出的编辑距离来检测 AI 生成内容的方法，我们将其命名为 Raidar。Raidar 显著提高了现有 AI 内容检测模型（包括学术和商业模型）在新闻、创意写作、学生作文、代码、Yelp 评论和 arXiv 论文等各个领域的 F1 检测得分，最高可增加 29 个百分点。我们的方法仅基于单词符号而不使用高维特征，与黑盒 LLMs 兼容，并且在新内容上具有内在的鲁棒性。我们的研究结果通过机器自身的视角展示了机器生成文本的独特特征。

    Jan, 2024

  • 检索辅助文本转语音生成

    我们提出了一种用于文本到音频生成的简单的检索增强方法，通过使用检索到的音频文本数据对 TTA 模型的学习进行指导，从而改善了 AudioLDM 模型在长尾数据集上的性能，在 AudioCaps 数据集上，我们的改进模型 Re-AudioLDM 以巨大的优势超越了现有方法，能够生成逼真的音频并具备在复杂场景、罕见音频类别甚至未见过音频类型的潜力。

    Sep, 2023