Jun, 2023

通过多标签分类实现有效的口语语言识别

PDF
TL;DR本文主要讲述了如何利用卷积神经网络构建高效的口语语种识别模型，并在训练时采用多标签的方式来应对非目标语种的识别，实验结果表明，该模型相比当前最先进的方法在速度上有数量级的提升，并且在多标签分类任务中更加稳健。
spoken language recognitionslrefficiencymultilabel trainingconvolutional networks
发现论文，激发创造
  • 一种基于层次判别式 PLDA 的语音识别模型

    本文介绍了一种基于概率线性判别分析模型的口语语言识别方法，该模型通过提取音频样本的嵌入向量得出语音信号的语言，并基于层次方法和最大熵准则进行训练，结果表明该识别方法可以用于高度相关的语言中并具有鲁棒性。

    Jan, 2022

  • 不受帧序约束的手语识别：阿根廷手语的概念验证

    该研究探讨了自动手语识别的问题，提出了一种基于概率模型的手语分类方法，通过对具有 64 个类别和 3200 个样本的阿根廷手语数据集进行测试，证实了可以实现不考虑顺序的识别，并取得了 97% 的准确率。

    Oct, 2023

  • UniverSLU：适用于多样化分类和序列生成任务的通用口语理解单网络

    通过利用大型语言模型与多任务能力展示有希望的结果，我们构建了一个名为 UniverSLU 的单一多任务学习模型，它在 12 个语音分类和序列生成任务、17 个数据集和 9 种语言上展现出了竞争性的性能并且超过了特定任务模型。同时，我们还初步探索了使用人类可解释的自然短语代替任务限定词作为离散提示，并测试了该模型对新的释意表达的泛化能力。

    Oct, 2023

  • 面向语言识别的标签感知语音表示学习

    本文提出了一种新的 Label Aware Speech Representation (LASR) 方法，将自我监督表示学习与语言标签信息相结合，使用三元组目标函数将语言标签与自我监督损失函数结合起来，并进一步优化语音表示以适用于下游任务，发现该方法比现有的语言识别系统更为有效，并可应用于多语音识别任务。

    Jun, 2023

  • 利用 Whisper 模型的自动标签实现低资源语种的视觉语音识别

    该论文提出了一种面向多种语言特别是对于有限标注数据的低资源语言的强大的视觉语音识别（VSR）方法，通过使用 Whisper 模型，它可以进行语言识别和基于音频的语音识别，从而在没有人工注释的情况下获得与人工注释标签相似的 VSR 性能，并提供了大规模无标注多语言数据库的自动标签。

    Sep, 2023

  • 深度循环神经网络实现口语语言标注

    本文研究口语理解技术中的语义解释提取问题，提出基于深度 RNN 的新型架构，通过在 ATIS 和 MEDIA 语料库上的实验，取得了较先前研究更优的最新成果。

    Jun, 2017

  • 手语识别的综述：不同类型、模式和数据集

    这篇综述论文对手语识别相关的需求、挑战、问题、模态以及数据集等方面进行了全面的概述，并对过去十年的研究进展及现有现状下的 SLR 模型进行了回顾和总结，最后找到了该领域的研究差距和局限性，并提出了未来的研究方向，为读者和研究者提供了完整的关于 SLR 和最先进 SLR 模型的指导。

    Apr, 2022

  • 探索多语种广播和机构演讲自动转写的口语语言识别策略

    该论文讨论了多语言广播和机构性语音的口语语言识别（SLI）和语音识别，这些是在 SLI 文献中很少讨论的真实应用场景。

    Jun, 2024

  • 基于视频的手语识别，无需时间分割

    该研究提出了一种用 Hierarchical Attention Network 和 Latent Space 实现连续手语识别的新型框架，该方法无需时间分割预处理、可以缩小语义差距，并在实验中得到了验证。

    Jan, 2018

  • 在超低资源环境下创建口语对话系统

    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