新的ASR方法可实现可控的逐字转录和计时

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，解决了因转录风格不一致而导致的解码不稳定和评估混淆问题。通过在并行逐字和目标转录对上使用具有覆盖感知解码器任务令牌进行模型训练，他们在流利度检测方面取得了显著的改进，即使在英语以外的语言中也如此，而这些语言并未在仅英语的训练中使用。该方法还提高了词级时间准确性，并引入了一项新任务“verbatimize”，用于可扩展地创建高质量的逐字转录。 AI

影响 这项研究可能带来更准确可靠的语音转文本系统，从而改善各种应用中的用户体验和数据分析。

排序理由 该项目是一篇学术论文，详细介绍了一种用于ASR模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• arXivLabs
• Computation and Language
• English
• German
• Hugging Face
• verbatim ASR
• word-level timing

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →