研究人员开发了一个新颖的多模态框架，用于同时增强印度语言的自动语音识别（ASR）和方言识别（DID）。该方法利用一个瓶颈编码器从 Conformer 语音表示中提取方言特征，并使用一个 RoBERTa 编码器处理 ASR 生成的嵌入，通过门控机制将它们融合。该方法在八种印度语言和三十三种方言上进行了测试，平均方言识别准确率达到 81.63%，并且在自动语音识别方面表现具有竞争力，词错误率（CER）和词错误率（WER）分别为 4.65% 和 17.73%。 AI
影响 这项研究可以显著提高语音技术对不同语言社区的可访问性和可用性。
排序理由 该集群包含一篇学术论文，详细介绍了一种用于自动语音识别和方言识别的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
