PulseAugur
中
实时 12:39:44
English(EN) Phoneme-Guided Initialization for LLM-based Speech Recognition

基于音素引导初始化的LLM增强语音识别 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的音素引导初始化方法，以提高大型语言模型（LLM）在自动语音识别（ASR）中的性能，尤其是在低资源场景下。该方法在端到端微调之前，先在语音到音素（S2P）任务上预训练音频编码器，在音素到字形（P2G）任务上预训练LLM。在日本、中文、鞑靼语和乌尔都语等多种语言的实验表明，该方法可以媲美或超越现有的级联和端到端ASR模型。此外，在多语言LLM驱动的ASR P2G方面也取得了进展，重点在于处理S2P不确定性和数据不平衡的鲁棒性策略，从而在CV-Lang10等基准测试中降低了词错误率。 AI

影响 提高了LLM在低资源语音识别中的性能，并推进了多语言P2G能力。

排序理由 两篇arXiv论文详细介绍了改进LLM语音识别的新方法。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

基于音素引导初始化的LLM增强语音识别 · 跟踪2个来源

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
两篇arXiv论文详细介绍了改进LLM语音识别的新方法。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, model release
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Ryo Magoshi, Shinsuke Sakai, Tatsuya Kawahara ·

    基于LLM的语音识别的音素引导初始化

    arXiv:2610.08994v1 Announce Type: cross Abstract: Speech large language models (speech LLMs) perform well on automatic speech recognition (ASR) when sufficient paired speech-text data is available, but their performance degrades in low-resource settings. A cascaded pipeline that …

  2. arXiv cs.CL TIER_1 English(EN) · Lukuan Dong, Ziwei Li, Saierdaer Yusuyin, Xianyu Zhao, Zhijian Ou ·

    推进基于LLM的音素到字母转换以实现多语言语音识别

    arXiv:2603.29217v3 Announce Type: replace-cross Abstract: Phoneme-based ASR factorizes recognition into speech-to-phoneme (S2P) and phoneme-to-grapheme (P2G), enabling cross-lingual acoustic sharing while keeping language-specific orthography in a separate module. While large lan…

相关实体

相关话题