PulseAugur
中
实时 13:55:58
English(EN) Contrastive Regularization for Accent-Robust ASR

对比学习提升自动语音识别系统的口音鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为监督对比学习（SupCon）的新方法，以提高自动语音识别（ASR）系统在口音变化方面的鲁棒性。该技术在微调过程中充当辅助目标，在无需架构更改或显式口音标签的情况下，对模型的内部表示进行正则化。在L2-ARCTIC基准测试上的实验表明，词错误率显著降低，特别是对于未见过的口音。 AI

影响 这项研究有望为不同口音的语音识别系统带来更高的可靠性，从而改善可访问性和用户体验。

排序理由 该集群包含一篇详细介绍改进ASR系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

对比学习提升自动语音识别系统的口音鲁棒性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Van-Phat Thai, Aradhya Dhruv, Duc-Thinh Pham, Sameer Alam ·

    Contrastive Regularization for Accent-Robust ASR

    arXiv:2605.03297v1 Announce Type: cross Abstract: ASR systems based on self-supervised acoustic pretraining and CTC fine-tuning achieve strong performance on native speech but remain sensitive to accent variability. We investigate supervised contrastive learning (SupCon) as a lig…

相关实体

相关话题