一项新近发表在arXiv上的研究比较了人类听者和三种先进的自动语音识别（ASR）系统——Whisper-large-V3、Google Chirp 3和Omnilingual——在识别荷兰语构音障碍连续语音方面的性能。研究发现，人类和现成的ASR系统都面临显著困难，平均词错误率（WER）超过70%。然而，通过在构音障碍语音上微调ASR模型，可以大幅降低WER，个性化模型在识别性能上优于人类听者，并有望支持日常交流。 AI
影响 个性化的ASR模型显示出改善构音障碍患者日常交流的潜力，但仍存在重大挑战。
排序理由 该集群包含一篇详细介绍研究结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30237v1 Announce Type: new Abstract: In our goal to develop personalised dysarthric speech recognition (DSR) models, this study compared the recognition performances of human listeners and those of three state-of-the-art, off-the-shelf ASR systems (Whisper-large-V3, Go…
In our goal to develop personalised dysarthric speech recognition (DSR) models, this study compared the recognition performances of human listeners and those of three state-of-the-art, off-the-shelf ASR systems (Whisper-large-V3, Google Chirp 3, and Omnilingual) on the recognitio…