研究人员为第二届 MLC-SLM 挑战赛开发了一个新颖的 speech-LLM 系统，专注于自动语音识别和说话人日志。他们的系统结合了 DiariZen-Large-s80 分割、CAM++ 说话人聚类以及 LoRA 适配的 omniASR LLM 7B v2 识别器，在开发集上取得了 29.27% 的宏观 tcpMER，显著优于官方基线。研究还分析了工程选择的影响，发现基于嵌入的说话人聚类比端到端方法更有效，并且重叠感知分割可能无意中增加 tcpMER。 AI
影响 该系统展示了语音识别和说话人日志方面的进步，可能提高多语言对话式 AI 的性能。
排序理由 该集群包含一篇详细介绍学术挑战新颖系统的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12468v1 Announce Type: cross Abstract: We describe our submission to Task 1 of the 2nd MLCSLM Challenge: a cascaded diarization-then-recognition system that combines DiariZen-Large-s80 (WavLM-Large) segmentation, CAM++ embedding-based two-speaker clustering, and a LoRA…
We describe our submission to Task 1 of the 2nd MLCSLM Challenge: a cascaded diarization-then-recognition system that combines DiariZen-Large-s80 (WavLM-Large) segmentation, CAM++ embedding-based two-speaker clustering, and a LoRA-adapted omniASR LLM 7B v2 recognizer, with no ora…