asr models | BriefGPT - AI 论文速递

关键词asr models

搜索结果 - 25

基于令牌加权的 RNN-T 模型用于学习有缺陷的数据
使用基于标记权重的 RNN-T 准则来缓解音频识别中的转录错误，并且在半监督学习中使用该方法可以显著提高准确性。
PDF6 days ago
基于 Transformer 的 ASR 表示中性别的编码
使用线性消除的方法，本研究探讨了两个基于 transformer 的 ASR 模型 ——Wav2Vec2 和 HuBERT 中性别信息的编码和利用，并证明了从 ASR 模型的每一层中移除性别信息的可行性。此外，分析表明最终层中的第一帧和最后
PDF18 days ago
AS-70：一份供自动语音识别和口吃事件检测使用的普通话口吃语音数据集
通过引入 AS-70，首个公开可用的普通话口吃语音数据集，本研究旨在改善自动语音识别（ASR）模型在口吃语音上表现的效果。该数据集包括对话和语音命令朗读内容的逐字手工转录，适用于多种与语音相关的任务。实验结果表明，通过将此数据集应用于模型微
PDF21 days ago
利用大规模 ASR 模型，在自监督学习中追求说话者验证的有监督性能
自我监督学习在发音验证中表现出与有监督系统相近的性能，本研究通过对预训练的 WavLM 进行自我监督有监督微调并使用伪标签，实现了语音表示学习中的有监督性能，取得了 0.99％的 EER，接近有监督基线 0.94％的 EER。
PDFa month ago
用 Per-core Clipping 高效训练能记忆较少且性能更好的 ASR 模型
渐变剪切在训练大规模自动语音识别（ASR）模型中起着至关重要的作用。本研究系统地调查了一种特定细粒度的渐变剪切方法，即每个核心剪切（PCC），对于训练各种 ASR 模型的影响。我们经验证明，PCC 可以有效地减轻 ASR 模型中的非预期记忆
PDFa month ago
预训练语音模型的噪声干扰攻击和防御
对训练得到的语音模型和预训练的语音编码器进行噪声掩码攻击，恢复私密信息并研究对抗措施。
PDF3 months ago
自动语音识别（ASR）用于韩国儿童言语音障碍发音诊断
本研究提出了一种自动语音识别模型，旨在诊断具有言语音韵障碍（SSDs）的儿童的发音问题，以替代临床操作中的人工转录。该模型使用 wav2vec 2.0 XLS-R 模型进行改进，以识别实际发音而不是已有单词，并通过与人工标注相匹配的预测准确
PDF4 months ago
通过联合建模主要和非主要发言者改善长篇语音识别
ASR 模型经常在转录长时间音频时出现长篇删除问题，本研究通过引入新的技术，在音频中同时建模不同组的演讲者和标准转录标记，减轻了长篇删除问题。
PDF6 months ago
利用语言识别计算中间 CTC 损失以增强代码交替语音识别
通过在自动语音识别模型的编码器的中间层引入语言识别信息，本文旨在以更加隐式的方式生成暗示语言区别的声学特征，降低模型在处理语言切换时的混淆。
PDF7 months ago
PhasePerturbation: 语音数据增强通过相位扰动的自动语音识别
本文提出了一种名为 PhasePerturbation 的新型语音数据增强方法，利用动态的语音相位谱操作，通过随机化、频率遮蔽和时间遮蔽来增加语音数据的多样性。在 wav2vec2.0 预训练的 ASR 模型上，通过将模型与经过 Phase
PDF7 months ago
EMNLPVoxArabica: 一个强壮的方言感知阿拉伯语语音识别系统
Arabic is a complex language, and this research introduces VoxArabica, a system for dialect identification and automatic
PDF8 months ago
Zipformer：一种更快、更好的自动语音识别编码器
我们提出了一种更快、更节省内存、性能更好的变压器模型 Zipformer，它通过在 U-Net 类似的编码器结构中进行中间堆栈的操作以较低的帧速率工作，重新组织块结构以提高效率，使用 BiasNorm 的修改形式来保留一些长度信息，新的激活
PDF8 months ago
借助联邦学习从用户校正中改进语音识别模型质量的反馈之礼
使用联邦学习的方法，从设备端用户的纠正中持续学习以解决自动语音识别模型在识别新时代术语方面的过时和陈旧问题。实验评估表明，该方法能够提高模型对新时代术语的识别能力，并保持整体语言分布的质量。
PDF9 months ago
人工转写质量提升
我们提出了一种可靠的方法来收集语音转录，通过在标注阶段进行置信度估计重新处理和在标注后进行自动词错误校正来提高转录质量。我们发布了 LibriCrowd—— 一个包含 100 小时英语语音的大规模众包数据集。实验结果显示，转录错误率降低了
PDF9 months ago
适用于每个用户和预算的模型：无标签和个性化的混合精度量化
最近的自动语音识别（ASR）中取得的进展产生了大型 AI 模型，这些模型在移动设备上部署变得不切实际。模型量化可以产生压缩的通用模型，但这些模型可能只能在特定领域中部署。我们表明在量化过程中可以个性化地对 ASR 模型进行个性化调整，仅依赖
PDFa year ago
Transsion TSUP 的语音识别系统用于 ASRU 2023 MADASR 挑战
该研究提出了一种语音识别系统，专门用于适应资源有限的印度语言，采用 ASR 模型和 KenLM 语言模型，取得了较低的错误率。
PDFa year ago
MobileASR：一款面向移动电话的资源感知型设备端个性化自动语音识别框架
本论文介绍了一种利用移动手机有效训练 ASR 模型的方法，该方法考虑了手机资源的限制，并使用了资源感知的子模型训练方法，通过分析手机的 RAM 和电池能力，达到了高效训练的效果。本论文利用各种口音的说话人来模拟真实用户，使用了各种品牌的手机
PDFa year ago
Svarah: 评估印度口音上的英语 ASR 系统
本研究创建了一个 Svarah 基准测试数据集，其中包括来自印度 65 个地理位置的 117 位说话者的 9.6 小时的语音数据，用来评估 ASR 模型在印度口音上的表现，并发现改进的空间。
PDFa year ago
Spaiche：扩展最先进的 ASR 模型以支持瑞士德语方言
本研究旨在提高 ASR 模型在瑞士德语方言上的表现，通过提供对最新发布的瑞士德语语音数据集上现有现有 ASR 模型性能的深入了解。我们提出了一种考虑预测和真实标签之间语义距离的新型损失函数，通过对 Swiss-German 数据集上 Ope
PDFa year ago
阿拉伯语 ASR 中的语音符号识别性能
本研究分析了阿拉伯语自动语音识别（ASR）系统中音标识别的表现，并比较了文本音标处理与 ASR 音标处理的表现。通过在不同音标化条件下对语音数据进行细化和对比，我们发现 ASR 音标处理特别是在手动音标化的情况下表现优异。
PDFa year ago