conversational speech | BriefGPT

关键词conversational speech

搜索结果 - 9

基于声学语言模型预训练的端到端语音识别和流畅性修正
基于最近在大规模音频预训练方面的成功，我们重新评估两阶段和端到端模型之间的性能比较，并发现使用弱自监督目标进行音频预训练的语音模型与类似训练的两阶段模型的性能相匹配或超过，而预训练目标的选择显著影响模型适应去除启动词任务的能力。
PDF10 months ago
MD3: 多方言对话数据集
本文介绍了一个新的跨方言语音数据集，用于英语印度、尼日利亚和美国口音。该数据集通过提示参与者执行一系列短的信息分享任务来平衡开放式对话和面向任务的对话，以促进量化的跨方言比较，并避免对方言特征表现的限制性任务结构的强制性。初步分析表明该数据
PDFa year ago
使用 Kaldi 进行自动语音识别的奥地利德语会话
本文研究使用基于知识的发音词典来提高德语对话语音识别的性能。实验结果表明，相对于增加语言模型数据的大小，使用发音词典可以在低资源语料情况下取得高性能。
PDFa year ago
对话语言的自动语音识别系统评估：语言学视角
本文以法语为案例研究，从语言学的角度探讨自动语音识别系统在复杂语境下的识别准确度，并解决了法语同音词的歧义问题，提高了法语语音转写准确度。
PDF2 years ago
使用有限领域监督训练自回归语音识别模型
本文探索在有限监督数据的情况下，如何使用半监督学习和自学习相结合的自回归编码器 - 解码器模型处理会话性语音领域，结果表明，在在领域内数据较为有限时，通过 XLS-R 模型自伪转录，使用这种自回归模型比微调 XLS-R 模型的效果更好，可以
PDF2 years ago
自然对话语言的交替预测
本论文提出了一个基于端对端语音识别器的取向预测器，通过检测用户何时停顿思考或讲完话来联合优化 ASR 任务和取向预测任务，以更好地建模对话交互。测试集表明，该方法在识别包含四类语言障碍的会话句子时，具有 97% 以上的准确率和 100 毫秒
PDF2 years ago
开源 MagicData-RAMC: 一份丰富标注的普通话对话 (RAMC) 语音数据集
该研究介绍了一个高质量的、富有注释的汉语普通话会话数据集（MagicData-RAMC），包含 180 小时的汉语普通话对话录音数据，分为 15 个领域并带有主题标签，旨在丰富汉语言语社区的数据多样性，为自动语音识别、话者分离、主题检测、关
PDF2 years ago
第五届 'CHiME' 语音分离和识别挑战：数据集、任务和基准线
该论文介绍了第五届 CHiME 挑战赛，旨在通过与语言处理、信号处理和机器学习相结合的研究促进 ASR 技术的发展，其中考虑了远距离多麦克风对话 ASR 在真实家庭环境中的应用，收集了代表自然对话语音的数据，并记录了 6 个 Kinect
PDF6 years ago
ACL语音解析：一种神经方法用于集成词汇和声学 - 韵律信息
本文中，我们提出了一个模型，该模型使用卷积神经网络对能量和音高轨迹进行耦合，并使用基于注意力机制的循环神经网络，接受文本和韵律特征，并结合转录文本和声学 - 韵律特征，以自动解析口语话语，并发现不同类型的声学 - 韵律特征都有助于解析，对比
PDF7 years ago