transcription | BriefGPT - AI 论文速递

关键词transcription

搜索结果 - 26

乐谱变换器：端到端的光学乐谱识别超越单声部转录
本研究提出了 Sheet Music Transformer 模型，这是首个能够在处理复杂音乐乐谱时不仅依赖于单音技术的端到端光学乐谱识别模型。模型基于 Transformer 的图像到序列框架，能够从输入图像中预测出标准的数字音乐编码格式
PDF5 months ago
挪威低语：应对正字法和方言挑战
OpenAI 的 NB-Whisper 是针对挪威语自动语音识别 (ASR) 进行细致调整的一种仿写模型，通过转换挪威口语为书面形式和翻译其他语言为挪威语，它能够将 OpenAI Whisper Large-v3 在 Fleurs 数据集上
PDF5 months ago
深度神经网络下的拜占庭图章字符识别
封印是由铅制成的小硬币状物品，用绳子系在信封上以封闭信件。本文提出了首次尝试自动读取拜占庭封印图像上的文字的方法。拜占庭封印通常在正面装饰有图标，反面有希腊文字。文字可能包括发件人的姓名、拜占庭贵族的职位和祈祷元素。本研究的贡献是提供了一个
PDF5 months ago
漫画密探：漫画自动生成转录
以 Magi 模型解决日本漫画的视觉障碍问题，实现阅读顺序的检测和对话转录。
PDF6 months ago
LaCour!: 在欧洲人权法院的听证会上研究辩论技巧
欧洲人权法院的最终判决由于多语言的口头听证会不被转录、结构化或标注发言人而无法回答法律研究中的问题，通过与相应的最终判决文件相关联的英语、法语和其他法庭语言的 154 个完整听证会（来自 267 小时的视频镜头，共 210 万个标记）的 L
PDF7 months ago
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
字符查询：基于 Transformer 的在线手写字符分割方法
在线手写字符分割与手写识别紧密关联，但仅通过识别模型定位相关位置通常无法产生精确的分割。我们将分割与识别解耦，使得分割结果能进一步被利用。我们专注于已知转录的情况，此时字符分割变成了笔迹轨迹的采样点与文本中字符的匹配问题。受 $k$-mea
PDF10 months ago
N-gram 提升：通过归一化 N-gram 目标改进上下文偏置
一种基于关键词增强机制的准确转录方法，通过对规范化的单词和词组进行增强，提高了关键词的识别率，并解决了在商务对话的语音转文本应用中常见的缺失问题。
PDFa year ago
将 ASR 基础模型用于口语评估的适应
本文详细分析了 Whisper 输出，并提出了精细调整和软提示调整两种解决方案，实验证明我们可以有效地改变 Whisper 的解码行为，生成与口语回答中准确的单词。
PDFa year ago
使用数据增强改进临床语音的自发性词性标注
该论文解决了改善语音转录文本的 POS 标注的问题。作者使用了数据增强技术来训练在领域外树库上的句法分析器，并在句法标注上测试了在不同类型的神经退行性疾病患者的临床语音中表现良好的效果。
PDFa year ago
更高效的手动审核自动转录的表格数据
本文介绍如何将机器学习应用于历史数据的转录，其中高精度的方法仍需人工查证与修正，因此作者提出了更高效的评审流程，并以挪威 1950 年的人口普查数据为例，验证了一种自动化转录与人工修正相结合的方法。
PDFa year ago
通过深度学习进行埃拉米楔形文字的定位和分类
利用 DeepScribe 模块，能够从阿契美尼德王朝时期的楔形文字片段中，通过目标检测、分类和聚类等机器学习技术，提供有效的翻译建议。
PDFa year ago
Jointist: 通过联合训练同时提高多乐器转录和音乐源分离
本文提出 Jointist，一种仪器感知的多仪器框架，可以从音频剪辑中转录、识别和分离多个乐器。Jointist 的新颖性质对于评估这种模型提出了新的视角，然而，在我们的实验中，该模型在多个下游任务上实现了性能的提升，包括转录，分离，下行拍
PDFa year ago
数字化生活中的 NURC/SP：开源自动语音识别模型的作用
本文介绍对 NURC 项目的自动语音识别及错误分析结果，选择最佳的自动识别模型并进行样本测试，成功自动转录了 284 小时的葡萄牙语口语数据。
PDF2 years ago
利用自动单一或多段答案提取的活动报告分析
本文提出了一个基于 RoBERTa 的多跨度问题回答（MSEQA）模型，可以在针对某个问题和上下文的情况下返回适当的答案跨度。
PDF2 years ago
Jointist: 多乐器转录的联合学习及其应用
该研究提出了一种多乐器转录、识别和分离的方法，并对其进行了评估。该方法可以作为其他音乐分析任务的预处理模块，并在下游任务中提供了有益的符号表示。
PDF2 years ago
德国口述历史访谈的人类和自动语音识别表现
本文研究了自动语音识别技术在口述历史领域上的表现差距，分析并比较了三种人类转录文本和机器转录文本的表现，通过实验的方式，优化了声学模型，在清晰和嘈杂的口述历史采访中，错误率分别为 15.6% 和 23.9%。
PDF2 years ago
SPGISpeech：5000 小时的财经音频文本，用于完全格式化的端到端语音识别
本文提出了一种新的语音转文字任务，即端到端的全格式文本转换，通过训练 Conformer-based 模型，成功实现了一个基线模型。
PDF3 years ago
COLING在土著社区实现交互式转录
我们提出了一种新的转录工作流，将口语符号检测和人工参与相结合，以及一项试验。在只有少数项已被识别的几乎零资源情景中，涉及两种濒危语言。我们展示了在转录工作初期，当可用数据数量不足以训练鲁棒 ASR 系统时，可以利用少量孤立的单词的转录来引导
PDF4 years ago
GiantMIDI-Piano：古典钢琴音乐的大规模 MIDI 数据集
本文创建了一个具有 38700838 个音符和 10855 个独奏钢琴作品的 GiantMIDI-Piano dataset，使用卷积神经网络探测独奏钢琴作品，并使用高分辨率钢琴转录系统将这些作品转录为 MIDI 文件，可用于音乐信息检索和
PDF4 years ago