使用 Transformer Language Models 等方法对 Yelp 评论进行语言行为学习，并利用 prompt-based queries 生成合成文本以分析特定观点，证明即使在缺乏特定关键词的情况下，这些模型也能准确产生具有正确情感的大量文本。

Apr, 2022

本文以法语为案例研究，从语言学的角度探讨自动语音识别系统在复杂语境下的识别准确度，并解决了法语同音词的歧义问题，提高了法语语音转写准确度。

Nov, 2022

语音到文本翻译中的端到端模型的综述，包括模型、评估指标和数据集，提供了挑战和未来研究方向的新见解。

Dec, 2023

本文涉及针对与书面文本不同的口语输入而设计的任务型对话建模，以解决自动语音识别系统所引入的误差，并针对多轮对话建立了一个公共语料库，研究各种形式的语音输出的性能差距，并给出了初步分析。

Dec, 2022

通过自然语言处理（NLP）和语音识别的进展，在家庭自动化等领域出现了完全自动化的复杂系统，这些系统被称为自动语音识别系统（ASR）。本文研究探讨了提供语音和基于文本的自然语言处理以进行面试准备和相关职位推荐的一体化系统的可行性，同时也探讨了现有推荐系统的局限性。通过这篇文献综述，我们可以了解到 NLP 技术在类似用例中的方法和局限性，以为我们即将进行的项目提供帮助。

Nov, 2023

本研究使用 topic modeling 方法从开放式问题中提取信息，以比较其与封闭式回答的表现。同时，我们提出了一个问卷调查模型，使受访者能够使用其首选的问卷类型回答问题，并使分析人员能够选择自己喜欢的模型框架来预测行为。我们的实证研究证明了 topic modeling 能够从开放式反应中提取信息，但与封闭式问题相比，其预测效果并不如前者。

May, 2022

使用自动转录的大规模语音来改进口语语言建模，利用法国国家音频视觉学院收集的文本数据应用 ASR，并在现有模型（FlauBERT）微调或从头开始训练口语语言模型，生成新模型（FlauBERT-Oral），并在口语理解、电视节目分类和语音句法分析 3 个下游任务中评估其性能，结果表明，与初始化 FlauBERT 版本相比，FlauBERT-Oral 有望带来好处，表明尽管 ASR 生成的文本存在噪音，但仍可以用于构建口语语言模型。

Jul, 2022

该研究探讨了在低资源情况下，通过比较纯音频和混合多模态技术的音频识别解决方案，发现纯音频解决方案是没有自动语音识别系统的情况下的可行选项，并且混合多模态解决方案获得了最佳结果。

Jul, 2023

本文综述了 transformers 在语音技术各领域中的应用，旨在为研究者提供宝贵的资源，提供解决 transformers 在语音处理中面临的挑战的可行方法。

Mar, 2023

自动语音识别（ASR）系统是一项关键技术，用于设计各种应用程序，尤其是智能助手，如 Alexa。本文着重于低资源语言 Flemish 的 Intent 分类任务，通过在语音级别和音素转录级别应用不同的数据增强技术，改进了现有模型的性能。

Dec, 2023