whisper | BriefGPT - AI 论文速递

关键词whisper

搜索结果 - 31

Whisper-MCE：用于混合语言更佳性能的 Whisper 模型微调
本文介绍了 Whisper-MCE 模型在 minor language 和 mixed language 语音识别方面的卓越表现，同时提出一种新的评估机制以解决在这些语境下对其有效性进行评估时的挑战。通过将我们的模型与基线模型 whisp
PDF8 months ago
利用微调和最小前瞻波束搜索改善 Whisper
在低资源语言方面，Whisper 的性能仍然不够完善。为了解决这些问题，我们在额外数据上对 Whisper 进行了微调，并提出了一种改进的解码算法。在越南语上，使用 LoRA 对 Whisper-Tiny 进行微调可以将 WER 相对于零
PDF9 months ago
儿童与成人自动语音识别性能差距之桥梁
近期在自动语音识别系统（ASR）方面的最新进展，如 Whisper，已经显示出这些系统在充足的数据支持下能够接近人类水平的性能。然而，由于适合儿童的特定数据库的有限性以及儿童语音的独特特征，这一进展并不容易延伸到儿童 ASR 领域。最近的一
PDF10 months ago
将 Whisper 转化为实时转录系统
Whisper-Streaming 是基于 Whisper 的实时语音转录和翻译模型实现，使用本地协议和自适应延迟策略，能够在多语言会议的实时转录服务中展示高品质和 3.3 秒延迟。
PDFa year ago
适应童声识别的 Whisper 模型
我们的研究旨在探索能否将已存在的多语种 ASR 模型，如 Whisper，适应于儿童语音以提高儿童 ASR 性能，并将 Whisper 适应于儿童语音的结果与基于自监督模型 wav2vec2 进行微调的结果进行比较，结果显示在儿童语音上对
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
LyricWhiz：通过对 ChatGPT 进行耳语的方式实现鲁棒性多语言零样本歌词转录
LyricWhiz 是一种功能强大，多语言的自动歌词转录方法，使用 Whisper 作为 “耳朵”，GPT-4 作为 “大脑”，有效降低了词错误率并且能够跨多种语言转录歌词。
PDFa year ago
基于 N-Shot 的 Whisper 在多样化阿拉伯语音识别中的基准测试
本研究对 Whisper 在多种阿拉伯口音（包括几种没见过的口音）上进行了综合评估，结果发现 Whisper 在零 - shot 设置下性能较好，但在五种未见过的方言上性能明显下降。
PDFa year ago
使用 Whisper 和 GPT-2 技术进行情境偏见调整是否仍然有效？
本文研究了对 Whisper 和 GPT-2 进行神经语境偏置的有效性，发现使用特定的偏置列表来帮助 Whisper 和 GPT-2 减少数据集中不频繁且性能差的单词可以显著降低错误率。在应用于特定领域的数据时，语境偏置更加有效，并可以提高
PDFa year ago
发掘 Web 规模语音模型的潜在能力，实现零样本任务的普适性
本文通过调整 Prompt 的方式，从三个任务 (音视频语音识别、混合语音识别、语音翻译) 入手，探究了该模型 Whisper 的应用性能。实验证明，相对于默认 Prompt，本文提出的 Prompt 在零 - shot 任务上的表现提升了
PDFa year ago
利用人工智能对金融市场覆盖率进行表征
本文研究了 4900 多个 YouTube 视频数据库，以表征金融市场报道。我们使用 OpenAI 的语音转文本模型 Whisper，通过自然语言处理技术从市场报道视频中提取洞察力，同时研究趋势话题的突出存在及其随时间的演变，了解某些个人和
PDFa year ago