wav2vec2.0 | BriefGPT - AI 论文速递

关键词wav2vec2.0

搜索结果 - 9

零封多语言口语关键词识别的通用语言特征建模
我们提出了一种新颖的语言通用方法来实现自动口语关键词识别，在自我监督预训练模型和一系列通用语音属性（发音方式和发音位置）的基础上进行。具体来说，我们使用 Wav2Vec2.0 生成强大的语音表示，然后通过线性输出层产生属性序列。在多语言环境
PDFa month ago
基于 Wav2vec2.0 的自动语音识别领域适应中继续预训练在小学数学课堂环境下的应用
通过持续预训练 (CPT)，我们研究了将 Wav2vec2.0 调整到课堂领域的有效性，结果表明 CPT 是一个强大的工具，可以将基于 Wav2vec2.0 的模型的词错误率（WER）降低 10% 以上，改善了模型对不同噪声、麦克风、课堂条
PDFa month ago
赞比西之声：赞比亚语言的多语言语音语料库
Zambezi Voice 为挖掘两个不同语音来源的 Zambian 众所周知，首次推出了适用于 Zambian 语言的多语言语音数据集，可用于监督和非监督的学习方法，同时利用 Wav2Vec2.0 模型进行预训练和跨语言迁移学习，构建出基
PDFa year ago
使用说话人表示和自监督上下文嵌入进行口吃检测
本研究通过使用预先训练的深度学习模型提取的语音嵌入，探索了使用 ECAPA-TDNN 和 Wav2Vec2.0 模型进行口吃检测任务的音频表示。相对于仅在有限 SEP-28k 数据集上训练的标准口吃检测系统，本研究在多个传统分类器上获得了
PDFa year ago
探索自监督预训练 ASR 模型用于发音障碍和老年人的语音识别
本文探讨了将领域适应 SSL 预训练模型整合到 TDNN 和 Conformer ASR 系统中，以识别老年人和患有发音障碍的人的语音，并通过实验获得了很好的效果。
PDFa year ago
MMComParE 2022 口吃子挑战赛的端对端和自监督学习
本文提出了基于自监督学习的语音嵌入系统，通过对预先训练的 Wav2Vec2.0 模型进行嵌入提取，结合 Mel 频率倒谱系数 (MFCC) 特征进行评估，在计算语言学竞赛中达到了较好的结果，相对于 DeepSpectrum 挑战基线提高了
PDF2 years ago
IARPA OpenASR21 挑战中的 THUEE 系统描述
该论文介绍了 THUEE 团队为 IARPA OpenASR21 挑战赛开发的语音识别系统，包括使用基于混合体系结构的 ASR 系统、使用 Grapheme-to-Phoneme 技术扩展发音词典来缓解词汇外问题、使用 self-super
PDF2 years ago
探究自监督预训练模型的集成特征在自动语音识别中的应用
本文介绍使用多个基于自监督学习的模型以及它们所提取特征的集成方法，改善语音识别任务的性能，并使用三种自监督模型 HuBERT、Wav2vec2.0 和 WaveLM 进行了实验，得到了较好的效果。
PDF2 years ago
基于视觉反馈的自监督语音模型中的词语发现
本文提出了一种可视化感知的口语术语探测方法，通过对自注意力头的训练与分析发现，在自然图像与口语字幕关联的模型中具有强大的单词分割和聚类能力，并在 Buckeye 单词分割和 ZeroSpeech 口语术语探测任务上超过了所有已发表的现有方法
PDF2 years ago