English(EN) Whispering Wisely: Smart Subset Selection for ASR Fine-Tuning

新方法通过智能数据子集选择改进ASR模型微调

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一种新的微调自动语音识别（ASR）模型（如OpenAI的Whisper）的方法，因为这可能成本高昂。该方法使用基于嵌入的子集选择技术来识别多样化且具有代表性的训练数据子集。通过将音频样本映射到嵌入空间并应用k-中心算法，该方法旨在提高微调的效率和有效性，尤其是在新语言或新领域方面。在希伯来语和丹麦语上的评估表明，这种智能子集选择通常优于随机抽样，尤其是在数据预算较小的情况下，因为它能捕捉到更广泛的语言内容。 AI

影响这项研究为将大型ASR模型适应新语言和新领域提供了一种更有效的方法，有可能降低从业者的入门门槛。

排序理由该集群包含一篇详细介绍ASR模型微调新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍ASR模型微调新方法的学术论文。[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: 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 [1]

arXiv cs.AI TIER_1 English(EN) · Roi Yozevitch, Or Haim Anidjar · 2026-10-27 04:00

智语低语：用于ASR微调的智能子集选择

arXiv:2610.32997v1 Announce Type: cross Abstract: Automatic Speech Recognition (ASR) models such as OpenAIs Whisper have substantially improved speech recognition quality but remain expensive to fine-tune, especially when large amounts of transcribed audio are available. This mak…

本文如何被排名

报道来源 [1]

智语低语：用于ASR微调的智能子集选择

相关实体

相关话题