研究人员开发了一种新的方法来控制自动语音识别(ASR)模型的转录风格,解决了因逐字和意图转录不一致而导致的解码不稳定和评估混淆问题。通过在逐字和意图转录对上使用具有覆盖感知解码器任务令牌进行训练,他们在德语不连贯检测方面取得了显著的改进,即使仅使用英语进行训练。该方法还提高了词级时间精度,并引入了一个名为“verbatimize”的新任务,用于创建高质量的逐字转录。 AI
影响 提高了ASR的准确性和可靠性,可能影响转录服务和语音接口。
排序理由 该集群包含一篇详细介绍ASR模型新方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- arXivLabs
- Computation and Language
- English
- German
- Hugging Face
- verbatim ASR
- word-level timing
- nyralabs
- nyralabs/CrisperWhisper2.0_medium
- Transcription Policy as a Latent Variable: Activating Controllable Verbatim ASR with Word-Level Timing
- Whisper
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →