English(EN) Data Scale, Not Latency, Shapes Cross-Lingual Encoder Transfer in Streaming ASR

数据规模而非延迟决定跨语言语音识别迁移

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-23 20:50

一项新研究表明，在流式语音识别模型中，训练数据的规模而非延迟是影响跨语言迁移有效性的主要因素。研究人员发现，虽然多语言编码器在较低数据规模下具有优势，但随着目标语言数据的增加，这种优势会显著减弱。研究还表明，关于延迟和量化的决策可以独立于多语言编码器和纯英语编码器之间的选择来做出。 AI

影响这项研究为优化低数据场景下的语音识别模型提供了明确的指导，有望提高多语言应用的性能并降低成本。

排序理由该集群围绕一篇详细介绍模型训练和性能发现的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.AI TIER_1 English(EN) · Nenad Banfic · 2026-06-24 04:00

数据规模而非延迟决定流式语音识别中的跨语言编码器迁移

arXiv:2606.24169v1 Announce Type: new Abstract: Adapting a streaming speech recognition model to a new language requires choosing between two plausible warm starts: a multilingual (ML) encoder or an English-only (EN) encoder. The common intuition is that the multilingual encoder …
AssemblyAI blog TIER_1 English(EN) · 2026-06-23 20:50

多语种音频流式转录为何会偏向英文

Streaming speech-to-text keeps defaulting to English on multilingual audio. Here's why it drifts — and five ways to steer it back to the right language.