word error rates | BriefGPT

关键词word error rates

搜索结果 - 18

面向非流畅语音的包容性自动语音识别：级联大规模自监督学习与目标微调和数据增强
自动语音识别系统通常在处理口吃相关的流畅性障碍时出现故障，而这些故障包括意愿性中断和单词重复，从而导致不准确的转录。我们提出了一种包容性的 ASR 设计方法，利用标准语音的大规模自我监督学习，然后通过对较小的策划语音数据集进行有针对性的微调
PDF22 days ago
基于 ASR 转录的语音情感识别：关于词误率和融合技术的全面研究
使用不同词错误率（WERs）的 ASR 转录对 IEMOCAP，CMU-MOSI 和 MSP-Podcast 等已知语料库进行 SER 性能评估，同时提出了一个统一的 ASR 错误抗干扰框架，并与最佳表现的 ASR 转录进行比较，实现了更低
PDF24 days ago
关键词引导的自动语音识别适应
通过上下文偏差对 Whisper 模型进行改进，提出了一种优化行话词识别的新方法。采用关键词检测模型，利用 Whisper 编码器表示动态生成的提示来引导解码器。引入了 KG-Whisper 和 KG-Whisper-PT 两种方法来有效引
PDFa month ago
工业级多语种自动语音识别的解剖
描述了 AssemblyAI 的工业规模自动语音识别（ASR）系统的结构和性能优势，包括模型架构、词错误率、代码切换能力等关键方面。
PDF3 months ago
ed-cec：基于错误检测和上下文感知错误修正的提升罕见词识别的后处理方式
通过错误检测和上下文感知的错误修正来改善对于罕见单词的识别，同时实现了具有较低词错误率的自动语音识别系统。
PDF9 months ago
Whisper 能否进行基于语音的上下文学习
通过以语音为基础的上下文学习方法，本研究调查了由 OpenAI 发布的 Whisper 自动语音识别（ASR）模型的上下文学习能力。在应用于孤立词 ASR 时，实验结果表明使用任意大小的 Whisper 模型在两种方言中能够显著减少词错误率
PDF10 months ago
DISGO: 场景文本 OCR 自动端到端评估
本文讨论了在自然场景中进行光学字符识别（OCR）所面临的挑战，这比在文档上进行 OCR 要困难，因为场景中内容狂野，图像背景各异。我们提出统一使用词误差率（WER）作为评估场景文本 OCR 的新度量，包括端到端（e2e）性能和各个系统组件的
PDF10 months ago
时间瓶颈：为什么定时和重叠对于对话界面、语音识别和对话系统至关重要
对话系统中的定时关键，6 种语言的自然对话数据的词错误率仍然糟糕，重叠问题是一个关键挑战，对话词语的识别受到影响，进而对下游意图识别产生严重后果。
PDFa year ago
MeetEval：会议转录系统的词错误率计算工具包
MeetEval 是一个开源工具包，用于评估各种会议转录系统。它提供了一个统一的界面，用于计算常用的词错误率（WER），包括 cpWER、ORC WER 和 MIMO WER 等。我们通过时间约束扩展了 cpWER 的计算，以确保只有当时间
PDFa year ago
Transsion TSUP 的语音识别系统用于 ASRU 2023 MADASR 挑战
该研究提出了一种语音识别系统，专门用于适应资源有限的印度语言，采用 ASR 模型和 KenLM 语言模型，取得了较低的错误率。
PDFa year ago
探索大型语言模型与自动语音识别系统的整合：实证研究
本文旨在探讨将大型语言模型（LLMs）集成到自动语音识别（ASR）系统中以提高转录准确性的潜力，并通过实验表明在当前阶段，使用 LLMs 的上下文学习能力来修正语音识别转录中的潜在错误仍然是一项具有挑战性的任务。
PDFa year ago
语音识别中零 - shot 领域调适的大型语言模型启发
本文介绍了两种使用 LLaMA 的零样本 ASR 领域适应方法，这两种方法可以通过一个领域特定的文本提示有效地减少跨领域 TedLium-2 和 SPGISpeech 数据集上的词错误率（WER），特别是，深度 LLM-fusion 具有更
PDFa year ago
用于自动语音识别的稳定加速的光门循环单元
本文提出了一种名为 SLi-GRU 的新颖神经网络结构，通过工程机制将其训练时间缩短五倍，进行了自动语音识别任务验证，证明了相比于其他复杂的递归神经网络，此结构具有更低的词语错误率。
PDFa year ago
基于预训练语音模型的低资源语音识别改进：继续预训练与半监督训练
本文通过在多种低资源语言的未标注同语言音频数据上使用 XLSR-53 预训练模型进行持续预训练来改进自动语音识别的性能，结果表明持续预训练在单词错误率方面与半监督训练的效果相当且更加高效。
PDF2 years ago
自动语音识别中的偏见量化
本文旨在检测 ASR 系统中存在的性别、年龄、方言和非母语口音等方面引起的偏见，提出针对 ASR 开发的偏见缓解策略，主要关注数据集中由发音差异导致的各种偏见。
PDF3 years ago
EMNLP我们是谁，以及我们认为自己是谁 - 评估自我知觉的准确性
本文质疑了现代自动语音识别系统在基准数据集上达到极低词错误率的报告，同时比较了三种最先进的商用自动语音识别系统在现实生活中的人类对话和公共基准测试中的表现，并得出结论：WERs 显著高于最佳报告结果。我们制定了一组准则，可帮助创建高质量注释
PDF4 years ago
使用多目标进化优化的对自动语音识别系统的对抗性黑盒攻击
本文提出了基于多目标进化优化的黑盒攻击 Automatic Speech Recognition (ASR) 系统的框架，并将其应用于两个 ASR 系统：Deepspeech 和 Kaldi-ASR，成功地将这些系统的错误率提高了高达 98
PDF6 years ago
CAPIO 2017 会话式语音识别系统
论文展示了达到了 NIST 2000 Hub5 英语评估集的最先进表现，提出了一种基于密集连接 LSTMs 并激发于图像分类任务的密集连接卷积网络的方法，以及一个声学模型适应方案，并在 CallHome 训练语料库上应用了该方法，并在评估集
PDF7 years ago