asr systems | BriefGPT - AI 论文速递

关键词asr systems

搜索结果 - 36

ASDF：自动语音识别系统的差分测试框架
该论文提出了 ASDF（Automated Speech Recognition Differential Testing Framework）自动语音识别差异性测试框架，通过文本转换和音素分析模块生成更多高质量的音频测试用例，有助于改善
PDFa year ago
基于剪枝的 RNN-T 模型进行快速、高效的自动语音识别训练
该论文介绍了一种更快，更节省内存的 RNN-T 损失计算方法，用于提高语音识别系统的计算速度和效率。
PDF2 years ago
基于两次解码和交叉自适应的端到端 Conformer 和混合 TDNN ASR 系统的系统组合
本文研究了多通道重评分和基于交叉适配的混合 TDNN 和 Conformer E2E ASR 系统的组合方法，并在 Switchboard 语料库上进行了实验，结果表明使用两种组合方法得到的组合系统胜过单个系统，其中使用多通道重评分得到的最
PDF2 years ago
MALACH 项目中基于 Transformer 的正式与口语捷克语自动语音识别
本文研究以最新的端到端自监督音频 Transformer 技术为基础，探讨非正式口语形式对 Wav2Vec 2.0 模型性能和转录正式文本的影响，并提出具有正式和非正式语言模型的训练方案及评测结果。
PDF2 years ago
基于 Wav2vec2 的口齿不清语音识别中的发音人自适应
本研究通过 fine-tuning wav2vec2 并使用 fMLLR 特征进行适应，对发音紊乱的语音识别进行了改进，实验结果表明在不同严重程度的口吃障碍情况下，该方法的识别效果相对稳定，WER 达到了 57.72%。
PDF2 years ago
使用迁移学习和语言模型解码改进非母语英语的自动语音识别
在语音识别系统中，使用 native English 训练出的模型在非母语人士的语音识别上表现欠佳。因此，本文对 pre-trained wav2vec 2.0 模型进行多种 L1 和 L2 训练条件的 fine-turning，并引入语言
PDF2 years ago
利用 Detect and Pass 增强有限数据的口吃语音 ASR
为解决语音助手对口吃 (Speech Disorder) 人士不友好的问题，研究提出了一种简单高效的称为 “Detect and Pass” 的算法，它通过一个上下文相关的对口吃音频帧分类器，对口吃的音频进行筛选，再将这些筛选的结果传递到
PDF2 years ago
EMNLP针对非典型和带口音语音的参数高效 ASR 适应的残差适配器
本文阐述了在处理非典型和带有重重口音的语音时，通过添加所谓的残差适配器，可以在只更新模型的极小部分参数时实现类似于模型微调的效果，从而优化 ASR 系统的性能。
PDF3 years ago
MMEarnings-21: 野外 ASR 的实用基准
本文提出了一个 39 小时的包含来自不同金融领域的密集实体语音的 Earnings-21 语料库，用于 ASR 系统的基准测试，并针对命名实体识别进行特殊关注。通过我们最近发布的 fstalign 工具，提供了每个模型在不同划分下的识别能力
PDF3 years ago
Phoneme-BERT: 音素序列和 ASR 转录的联合语言建模
本文提出 PhonemeBERT 模型，利用音素信息和 ASR 转录文本的联合语言模型学习语音感知表示，从而提高 ASR 系统在噪声和领域外数据中的准确性，同时为下游任务提供额外的特征，并在低资源环境下进行了广泛评估，取得了在情感分析、问题
PDF3 years ago
AAAI公开数据的语音增强是否有助于构建鲁棒的语音识别系统？
本研究旨在研究使用公开的噪声数据训练自动语音识别（ASR）系统的可行性，并发现使用语音增强技术进行数据清理后训练 ASR 系统比仅使用噪声数据和纯净数据训练 ASR 系统分别提高了 9.5％和 9％的单词错误率，其表现与噪声数据和纯净数据训
PDF5 years ago
优化端到端自动语音识别在数字序列上的性能
本文研究使用文本到语音系统和小型神经网络来解决在设备上语音识别中模型训练的问题，以提高 E2E 模型在数字数据上的性能表现。
PDF5 years ago
通过与迭代精化的隐马尔可夫模型协调的生成对抗网络实现完全无监督语音识别
本研究使用生成对抗网络和隐马尔可夫模型开发了一种适用于低资源语言的无监督语音识别方法，并在 TIMIT 数据集上实现了 33.1% 的电话错误率，比现有技术提高了 8.5%。
PDF5 years ago
基于语音和文本数据的音位结构学习，较少资源近乎无监督的语音识别
利用音频字向量和自编码器实现跨模态的语音识别，演示了即使缺乏训练数据，也可以从少量音频和文本之间的嵌入对齐中进行 ASR 系统的训练。
PDF6 years ago
TED-LIUM 3: 基于增加数据和语料库重新分配的说话人自适应实验
本文介绍 TED-LIUM 发布的第三个语音识别数据集，主要是为了增加训练声学模型的可用数据，比 TED-LIUM 2 多出一倍以上的语料。研究表明，相比 2012 年和 2014 年发布的数据集，通过提高训练数据量，对于端到端的 ASR
PDF6 years ago
CommanderSong：一种系统化的实用对抗性语音识别方法
本文研究基于语音命令技术的系统安全问题，针对目前已有的攻击方式进行了分析，提出了一种新的潜在威胁，通过嵌入在音乐中的语音命令对 ASR 系统进行远程控制。研究者针对技术难点进行了创新性的技术突破，并针对此类攻击提出了一种新的缓解方案。
PDF6 years ago