研究人员开发了一种使用微调的 Whisper 模型理解以婴儿为中心的音频的新方法。该方法通过采用 Transformer 进行长上下文推理和逐帧预测，解决了标记数据有限和录音嘈杂等挑战。该系统结合了序列级平滑以实现时间连贯性，以及因子化说话人标记设计以减少家庭偏见并提高跨不同家庭的泛化能力。 AI
影响 引入了在婴儿录音等具有挑战性的低资源环境中改进音频分析的新技术。
排序理由 这是一篇详细介绍音频理解新方法的学术论文。[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 →
