asr system | BriefGPT - AI 论文速递

关键词asr system

搜索结果 - 12

孟加拉语生物医学数据的自动语音识别
该研究提出了一个专门针对孟加拉生物医学数据开发的自动语音识别（ASR）原型系统。该系统针对孟加拉语和西利特语两种重要方言，培训和评估了两个流行的 ASR 框架，旨在为数字健康应用创建可部署的健康领域 ASR 系统，从而提高非技术用户在医疗保
PDF16 days ago
工业级多语种自动语音识别的解剖
描述了 AssemblyAI 的工业规模自动语音识别（ASR）系统的结构和性能优势，包括模型架构、词错误率、代码切换能力等关键方面。
PDF3 months ago
使用自监督表示快速估计语音和文本的错误率
通过自监督学习表征方法，引入了一种快速的语音识别错误率估计器（Fe-WER）。实验结果在 Ted-Lium3 数据集上以均方根误差和皮尔逊相关系数两个评估指标相对于 e-WER3 基线分别提高了 19.69% 和 7.16%，而通过时长加权
PDF9 months ago
利用 N-Skipgram 和位置一元匹配进行无监督语音识别
这篇论文介绍了一种新颖的 ASR 系统 ESPUM，通过利用低阶 N-skipgrams（最高 N=3）和从小批量样本中收集到的位置单字统计数据，克服了无监督语音识别系统训练中的 GAN 相关不稳定性、语音和文本的不匹配以及显著的内存需求。
PDF9 months ago
改进不可适应的 ASR 系统
本文介绍一种基于 OpenAI Whisper ASR 的大规模 ASR 系统来评估适应方案的方法，该方法采用基于错误校正的方法并且可应用于不同结构的语音识别模型以提高模型的适应性。
PDFa year ago
ICPR MSR 挑战赛 dun_oscar 团队系统描述
介绍了 dun_oscar 团队提交的 ICPR MSR Challenge 系统，分别描述了任务 1 - 任务 3 的三个子系统。在任务 1 中，我们开发了一个视觉系统，包括 OCR 模型、文本跟踪器和 NLP 分类器，用于区分字幕和非字
PDFa year ago
使用整合的文本 - 梅尔频谱生成器进行端到端语音识别的纯文本领域自适应
这篇论文提出了一个端到端的自动语音识别系统，可以使用带有转录的语音数据、纯文本数据或两者的混合数据进行训练。该系统通过使用文本数据可显著提高在不同领域的 ASR 模型的准确性，在扩展 ASR 模型中引入 TTS 块从而创建梅尔频谱图，该块包
PDFa year ago
解决 OOV 问题的发音流水线的优良性
通过使用 ASR 系统的不同组件评估口音并自动评估它们，我们提出了一种解决测试时开放式语音识别系统中的 OOV 问题的 GoP 计算的流水线，并且通过构建三个管道来实现去除 GoP 输出中的 UNK 和 SPN 音素，Online、Offl
PDF2 years ago
低声：带差分隐私保证的联邦语音识别
该研究提供了一种在多个组织之间学习机器学习模型，并提供数学保证限制隐私损失的潜在解决方案，采用联邦学习方法和差分隐私技术构建，并应用于 senone 分类原型，演示了模型随着私有数据的添加而改进，同时尊重隐私。
PDF2 years ago
面向语音识别的即时基于特征的发音障碍和老年人说话适应
该研究提出了两种新型的基于特征的即时演讲者适应方法，即基于演讲者水平的方差规范化谱基础嵌入 (SBEVR) 特征和基于即时学习的隐藏单元贡献 (LHUC) 转换。实验结果显示，这两种方法在适应演讲者语音时表现出色，其中基于 SBEVR 特征
PDF2 years ago
面向会话语音的标点符号预测模型
本文通过训练基于深度神经网络技术的双向长短期记忆网络（BLSTM）和卷积神经网络（CNN）的序列标注模型，来解决语音识别系统中无法正常预测标点符号的问题，并且通过在 Fisher 语料库上的实验证明，基于卷积神经网络预测标点符号的方法更加精
PDF6 years ago
通过对抗学习实现说话者无关的训练
本文提出了一种新的对抗多任务学习模型（即 Speaker-invariant training），旨在同时减少发言人的特征变异性并最大化其 Senone 区分性，以增强基于深度神经网络的自动语音识别系统性能，并通过对抗多任务学习来学习说话者
PDF6 years ago