一项新的研究论文调查了一个违反直觉的发现，即音频分离会降低零样本自动语音识别 (ASR) 系统的性能。该研究在嘈杂的孟加拉语和英语语音上，评估了 SAM-Audio 作为 OpenAI 的 Whisper 模型预处理步骤的效果。与预期相反，应用 SAM-Audio（提高了 PSNR 等音频质量指标）导致在所有测试的 Whisper 变体和数据集上，词错误率 (WER) 和字符错误率 (CER) 都有所增加。这表明信号级别的质量提升并不总是能转化为更好的 ASR 准确性，有时反而会阻碍识别。 AI
影响 挑战了音频质量提高总是带来更好 ASR 的假设，可能影响语音识别系统的预处理策略。
排序理由 在 arXiv 上发表的研究论文，详细介绍了 ASR 性能的实证研究。[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 →
