English(EN) Scaling phoneme-based TTS augmentation for ASR: A unified pipeline and controlled study

新的TTS流水线通过基于音素的增强功能改进ASR系统

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-28 04:00

研究人员开发了一个统一的流水线，用于生成合成语音以改进自动语音识别（ASR）系统。该流水线使用多语言文本到语音（TTS）模型F5-TTS，并带有语言ID条件。一种名为音素频率引导选择（PFGS）的新颖方法根据音素频率对候选句子进行排名，在阿拉伯语、法语、意大利语和葡萄牙语的实验中，其表现优于随机选择和仅真实数据训练。 AI

影响这项研究可以通过利用合成数据，从而更有效、更高效地训练ASR系统，尤其是在低资源语言方面。

排序理由该集群包含一篇学术论文，详细介绍了用于TTS到ASR增强的新方法和流水线。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 24 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了用于TTS到ASR增强的新方法和流水线。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Zhen Wang, TianRui Wu, RongQi Han, Hao Wu, Wei Liang · 2026-08-28 04:00

面向ASR的基于音素的TTS增强扩展：统一流水线与受控研究

arXiv:2608.26697v1 Announce Type: new Abstract: Synthetic speech provides scalable supervision for automatic speech recognition (ASR), but its benefit depends on the selected texts, reference speech, and amount of synthesized data. We present a unified phoneme-based TTS-to-ASR au…

本文如何被排名

报道来源 [1]

面向ASR的基于音素的TTS增强扩展：统一流水线与受控研究

相关实体

相关话题