word error rate | BriefGPT - AI 论文速递

关键词word error rate

搜索结果 - 94

利用前端适应网络增强 ASR 对丢包的鲁棒性
使用前端适应网络来恢复数据包丢失，从而提高 ASR 模型的词错误率。在包丢失场景中，基于 Whisper 准则训练的适应网络显著降低了不同领域和语言的词错误率，同时对 Whisper 模型的基础性能影响很小，凸显了该方法在挑战性声学环境中提
PDF2 days ago
使用一种全能神经模型进行一遍式多形式和基础语音系统压缩与量化
我们提出了一种新颖的一次性多个 ASR 系统联合压缩和量化方法，使用一个全能模型。一个单独的压缩周期允许同时构建具有不同编码器深度、宽度和量化精度设置的多个嵌套系统，而无需单独训练和存储个别目标系统。实验证明，与等复杂度的单独训练系统相比，
PDF15 days ago
基于 Transformer 的语音识别 N-Best 重新评分和重写模型
声助助手越来越多地使用设备上的自动语音识别（ASR）以确保速度和隐私。然而，由于设备上的资源限制，涉及复杂信息领域的查询通常需要搜索引擎进一步处理。针对这种应用，我们提出了一种新颖的基于 Transformer 模型的能够通过并行地探索 N
PDF17 days ago
对等学习中的序列到序列模型：一个实用应用
探索使用基于 LSTM 单元的序列到序列 (Seq2Seq) 模型在点对点学习环境下的自动语音识别 (ASR) 任务的适用性，通过两种不同的点对点学习方法模拟代理学习过程，并使用两个不同的 ASR 数据集评估其性能。研究发现在集中式训练环境
PDF2 months ago
COLING自动语音识别系统无关词错误率评估
提出了一种用于 ASR 系统独立的 WER 估计的假设生成方法，通过使用语音相似或语言上更可能的替代词产生假设，并在域内数据上达到了与 ASR 系统相关的 WER 估计器相似的性能，在域外数据上实现了最先进的性能。
PDF2 months ago
Conformer-1：通过大规模半监督引导实现鲁棒性自动语音识别
本论文介绍了 Conformer-1，一种端到端的自动语音识别（ASR）模型，它是在一个包含 570k 小时的语音音频数据的广泛数据集上训练的，其中 91％是从公开来源获取的。通过在未标记的公共数据上使用强大的 Conformer RNN-
PDF3 months ago
COLING多阶段多模态预训练自动语音识别
多模态预训练可以提高自动语音识别性能，尤其是结合多任务无监督预训练和基于翻译的有监督中间训练方法可以实现显著的字错误率改善。
PDF3 months ago
低资源语音识别中使用最小增强语言模型进行初始解码以提高格栅再评分
通过在低资源语言中使用栅格重采样来提高语音识别准确性的问题，本文通过最小限度地利用目标语言中大型文本语料库中存在但基线模型中缺失的单词一元计数来改进基线语言模型，从而生成更全面的栅格。我们的方法在泰卢固语和卡纳达语分别获得了 21.8% 和
PDF3 months ago
极端编码器输出帧率降低：改善大规模端到端模型的计算延迟
通过在编码器中应用多个帧压缩层，我们能够以较低的计算复杂度实现在每 2.56 秒的输入语音中生成一个编码器输出帧，而又不显著影响大规模语音搜索任务的词错误率，并相比于强大但计算代价高昂的基准模型，降低编码器和解码器延迟分别达到了 48% 和
PDF4 months ago
医疗的声音：利用大型语言模型提高医学转录自动语音识别准确性
本研究探讨了大型语言模型（LLMs）在医学转录中提高自动语音识别（ASR）系统准确性的潜力，通过使用 PriMock57 数据集对 ASR 生成的转录进行改善，改进了一般词错误率（WER）、医学概念错误率（MC-WER）和音频流分离准确性，
PDF5 months ago
ICLR永不为晚：将声学信息融入大型语言模型的自动语音识别
使用大型语言模型进行生成性错误纠正时，通过融合声学信息，提出了一种名为 Uncertainty-Aware Dynamic Fusion (UADF) 的新型晚期融合解决方案，该方法在自回归解码过程中实施多模态融合，并在处理 LLM 中的数
PDF5 months ago
XLS-R 深度学习模型在资源有限语言：印尼语、爪哇语和巽他语中的多语言 ASR 上应用
该研究论文侧重于开发和评估使用 XLS-R 300m 模型的自动语音识别 (ASR) 技术。该研究旨在提高 ASR 在将口语转化为书面文本方面的性能，尤其是印度尼西亚语、爪哇语和日惹语。该论文讨论了测试程序、使用的数据集以及训练和评估 AS
PDF6 months ago
TeLeS: 用于估计端到端自动语音识别的时间词汇相似度得分的方法
使用 Temporal-Lexeme Similarity 方法训练 Ancillary Confidence Estimation Model 并应用于 End-to-End Automatic Speech Recognition，取得
PDF6 months ago
LiteVSR：通过学习无标签数据的语音表征实现高效的视觉语音识别
该论文提出了一种新颖的资源高效方法，利用任何训练过的自动语音识别（ASR）模型生成的语音表示来进行视觉语音识别（VSR）。通过远离最近文献中流行的资源密集型趋势，我们的方法从已训练的基于 Conformer 的 ASR 模型中提取知识，在标
PDF6 months ago
PhasePerturbation: 语音数据增强通过相位扰动的自动语音识别
本文提出了一种名为 PhasePerturbation 的新型语音数据增强方法，利用动态的语音相位谱操作，通过随机化、频率遮蔽和时间遮蔽来增加语音数据的多样性。在 wav2vec2.0 预训练的 ASR 模型上，通过将模型与经过 Phase
PDF7 months ago
端到端多通道说话人归属 ASR：说话人指导解码器与输入特征分析
我们提出了一种端到端的多通道说话人归属自动语音识别系统（MC-SA-ASR），它将基于 Conformer 的编码器与多帧跨通道注意力和基于说话人归属的 Transformer 解码器相结合。据我们所知，这是第一个在多通道环境中高效集成 A
PDF8 months ago
语义网络重新评分提升自动语音识别系统的上下文识别能力
我们提出了一种新方法，在自动语音识别系统中通过语义格处理利用深度学习模型来提高上下文识别的能力，从而准确地递交准确的转录结果，涵盖广泛的词汇和说话风格。我们在隐藏马尔可夫模型和高斯混合模型以及深度神经网络模型上融合语言和声学建模，通过使用基
PDF9 months ago
使用自监督表示快速估计语音和文本的错误率
通过自监督学习表征方法，引入了一种快速的语音识别错误率估计器（Fe-WER）。实验结果在 Ted-Lium3 数据集上以均方根误差和皮尔逊相关系数两个评估指标相对于 e-WER3 基线分别提高了 19.69% 和 7.16%，而通过时长加权
PDF9 months ago
EMNLP耳语 LLaMA: 语音识别的跨模态生成错误修正框架
我们引入了一种新的跨模态融合技术，用于在自动语音识别（ASR）中进行生成性错误校正。我们的方法利用声学信息和外部语言表示来生成准确的语音转录上下文。与现有的基于排名的重排序方法不同，我们的方法巧妙地使用了不同的初始化技术和参数高效算法，从预
PDF9 months ago
MM鲁棒且不可察觉的音频对抗例子的综合算法
音频对抗样本指对自动语音识别系统进行欺骗的音频文件，既能愚弄自动语音识别系统又能在人类听众中听起来正常。本文介绍了一种集成算法，在生成步骤中使用了心理声学模型和房间脉冲响应。我们通过三个实验比较不同方法的效果，包括在模拟环境和真实无线环境中
PDF9 months ago