asr performance | BriefGPT - AI 论文速递

关键词asr performance

搜索结果 - 11

儿童语音识别的离散标记增强
在这项研究中，我们调查了将离散语音标记整合到儿童语音识别系统中的方法，以解决数据稀缺和隐私问题，并探索了单视图和多视图策略，测试了模型的泛化能力。结果表明，儿童的离散标记语音识别系统几乎可以达到与传统方法相当的性能，并且参数减少了约 83%
PDF13 days ago
去噪语言模型：将错误修正模型推向语音识别极限
使用大量合成数据进行训练的缩放误差校正模型 (Denoising LM) 在自动语音识别 (ASR) 系统中实现了最先进的性能表现，通过合成语音进入 ASR 系统并与原始文本配对训练，DLM 取得了 1.5% 的单词错误率 (WER) 以及
PDFa month ago
多语言和全非自回归 ASR 与大型语言模型融合：一项全面研究
在大模型时代，解码的自回归特性通常导致延迟成为一个重要瓶颈。我们提出了一个非自回归 LM 融合 ASR 系统，有效地利用了加速器硬件的并行化能力。我们的方法是将 USM 和 PaLM 2 语言模型以每个片段评分模式结合起来，在 FLEURS
PDF5 months ago
FusDom: 结合领域内外知识进行持续自监督学习
本文介绍了一种名为 FusDom 的简单而创新的基于自监督学习的连续预训练方法，通过在两个具有修改的预训练头部的相同自监督学习模型之间使用交叉注意机制，实现有弹性且不遗忘过去所见概念的语音表示学习，从而改进了在目标领域的自动语音识别性能。
PDF6 months ago
稳定蒸馏：针对低资源自动语音识别的连续预训练正则化
通过自监督预训练（SSL）持续适应现有的 SSL 模型至目标领域已被证明对于资源稀缺的自动语音识别（ASR）非常有效。本文提出了一种简单而新颖的方法，称为稳定蒸馏，用于基于 SSL 的持续预训练，促进目标领域 ASR 性能的提升，其中有限的
PDF6 months ago
基于频域自回归建模的语音增强
通过自回归（AR）模型在子带语音信号的频域中分离包络和载波部分，提出了一种改善语音质量和 ASR 性能的语音去混响统一框架，设计了基于双路径长短期记忆（DPLSTM）模型的神经网络结构，实现改善了子带包络和载波组件，进一步通过联合学习网络权
PDF9 months ago
儿童与成人自动语音识别性能差距之桥梁
近期在自动语音识别系统（ASR）方面的最新进展，如 Whisper，已经显示出这些系统在充足的数据支持下能够接近人类水平的性能。然而，由于适合儿童的特定数据库的有限性以及儿童语音的独特特征，这一进展并不容易延伸到儿童 ASR 领域。最近的一
PDF10 months ago
大规模流式 ASR 半监督学习技术比较
比较三种基于半监督方法的语音识别性能提高策略
PDFa year ago
G-Augment：搜索语音识别数据增强策略的元结构
提出了 Graph-Augment 技术，用于在数据增强空间上搜索以优化增强策略。在 CHiME-6 和 AMI 上的微调任务中，与 SpecAugment 策略相比，G-Augment 在给定的计算预算下能够表现得更好，并在 CHiME-
PDF2 years ago
使用卷积神经网络预测未见过的广播节目的 ASR 表现
本文研究了如何使用卷积神经网络对未见过的广播节目语音识别性能进行预测，并比较了传统基于回归的性能预测方法和基于卷积神经网络的新策略。该研究尤其关注了音频信号和 ASR 文本样本的联合使用对预测准确性的影响，并证实了基于卷积神经网络的预测能够
PDF6 years ago
一种基于贪心发音选择框架的声学数据驱动的词汇表学习
本文提出了一种从转录数据中自动获得单词发音的系统，重点解决了从词汇表中删除词条的问题，实验结果表明我们提出的框架可以学习一个词汇表，在测试数据上的语音识别错误率 (WER) 性能接近于专家词汇表，而且比基于 G2P 或基于发音概率修剪标准构
PDF7 years ago