PulseAugur
中
实时 12:21:33
English(EN) Speaker-Disentangled Chunk-Wise Regression for Syllabic Tokenization

新的音节分词器通过解耦说话人身份来改善语音理解

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的说话人解耦音节分词器，通过在固定长度块内将受说话人扰动的表示回归到干净的目标，来改进无监督音节分词。该方法解决了模型预测说话人身份而非语言内容的问题，这是语篇级交叉熵目标常见的问题。所提出的方法在音节边界检测和聚类方面取得了最先进的结果，并且使用这些标记训练的语音语言模型在句法和语义理解方面比 SpiRit-LM 提高了 7% 的相对改进。 AI

影响 通过提高音节分词的准确性来增强语音语言模型，从而提高句法和语义理解能力。

排序理由 该集群包含一篇详细介绍语音处理中音节分词新方法的学术论文。

在 arXiv cs.AI 阅读 →

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

新的音节分词器通过解耦说话人身份来改善语音理解

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Ryota Komatsu, Kota Kawakita, Takuma Okamoto, Takahiro Shinozaki ·

    Speaker-Disentangled Chunk-Wise Regression for Syllabic Tokenization

    arXiv:2607.04064v1 Announce Type: cross Abstract: Unsupervised syllabic tokenization aims to learn discrete syllabic tokens that capture latent linguistic content-related structure from raw speech. Recent syllabic tokenization methods employ teacher-student distillation of the pr…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    Speaker-Disentangled Chunk-Wise Regression for Syllabic Tokenization

    A speaker-disentangled syllabic tokenizer regresses perturbed student representations toward clean teacher targets to improve syllable boundary detection and speech language modeling performance.

相关实体

相关话题