whisper model | BriefGPT - AI 论文速递

关键词whisper model

搜索结果 - 9

ArzEn-LLM: 使用 LLM 进行代码切换的埃及阿拉伯语 - 英语翻译和语音识别
该研究以机器翻译和自动语音识别系统为基础，探索埃及阿拉伯语和英语的代码切换现象，并提供了关于开发这些系统的方法学，使用了 LLama 和 Gemma 等大规模语言模型。该研究实验了 Whisper 模型在代码切换的埃及阿拉伯语识别中的应用，
PDF8 days ago
休斯顿，我们遇到了分歧：ASR 模型的子群绩效分析
该研究探讨了 NASA 阿波罗任务的多话者团队通信潜力，并提取了音频记录的关键元数据，通过分析不同元数据组合的子组的性能差异，研究了自动语音识别方法在阿波罗录音中的可行性和问题，在不同模型和多语言处理上优化了 ASR 系统的性能，为地球与太
PDF3 months ago
ICLRPhoWhisper: 越南的自动语音识别
通过在多样化的越南口音的 844 小时数据集上微调 Whisper 模型，我们介绍了 PhoWhisper 的五个版本，实验研究表明 PhoWhisper 在基准越南自动语音识别数据集上具有最先进的性能。
PDF3 months ago
口语语言识别的生成语言表示
探索利用 Whisper 模型的解码器网络通过其生成机制提取语言特征来提高 LID 任务中的分类准确性。通过基于语言嵌入方法和直接优化 LID 输出的两种策略，在 MLS、VoxLingua107 和 CommonVoice 等大规模多语言
PDF7 months ago
利用 Whisper 模型的自动标签实现低资源语种的视觉语音识别
该论文提出了一种面向多种语言特别是对于有限标注数据的低资源语言的强大的视觉语音识别（VSR）方法，通过使用 Whisper 模型，它可以进行语言识别和基于音频的语音识别，从而在没有人工注释的情况下获得与人工注释标签相似的 VSR 性能，并提
PDF10 months ago
Mi-Go：使用 YouTube 作为数据源评估类似 OpenAI Whisper 的语音识别模型的测试框架
介绍了一种名为 Mi-Go 的新型测试框架，旨在对通用语音识别机器学习模型在多样真实场景中的性能和适应性进行评估。该框架利用 YouTube 作为丰富且持续更新的数据来源，考虑多种语言、口音、方言、讲话风格和音频质量水平。通过对 OpenA
PDF10 months ago
利用低频细微特征改进 DeepFake 检测
本研究针对声音 DeepFake 威胁，研究使用最新的 Whisper 语音识别模型作为前端来增强声音真实性检测，实验证明使用 Whisper 模型可提高声音 DeepFake 检测的准确性。
PDFa year ago
传递性探究：Whisper 语音表示在 “野外” 跨任务下游应用中的适用性
本文通过探究 Whisper 模型在 ASR 和其他四个语音任务中的泛化性以及在嘈杂环境下的鲁棒性，证明了其表现出色并具有实际应用价值。
PDFa year ago
Spaiche：扩展最先进的 ASR 模型以支持瑞士德语方言
本研究旨在提高 ASR 模型在瑞士德语方言上的表现，通过提供对最新发布的瑞士德语语音数据集上现有现有 ASR 模型性能的深入了解。我们提出了一种考虑预测和真实标签之间语义距离的新型损失函数，通过对 Swiss-German 数据集上 Ope
PDFa year ago