一篇新的研究论文介绍Anuvani-LID,一个专门为印度语言设计的鲁棒且校准的口语识别模型。该模型在22种印度语言和带有印度口音的英语的超过54,000小时的音频上进行了训练,在短音频输入方面显著优于Gemini 3.5 Flash和GPT-audio等通用模型。Anuvani-LID实现了0.914的平均宏F1分数,证明了其在处理印度多语言语音的复杂性方面的有效性,包括嘈杂和混合编码的音频。 AI
影响 提高了印度语言多语言语音管道的准确性,可能改进翻译和路由等下游应用。
排序理由 发布了一篇详细介绍用于语言识别的专业AI模型的新学术论文。[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 →