研究人员开发了一个新的多语言自动语音识别(ASR)框架,该框架使用一个语言感知的代理来优化训练期间的数据采样。该代理从语言学角度分析ASR错误,并利用这些反馈以及训练统计数据和资源限制来选择最佳采样策略。在十二种Common Voice语言上使用Whisper-medium模型进行的实验表明,这种方法在性能上超越了全数据训练,同时消耗的资源更少,并显著加快了收敛速度。 AI
影响 该框架可能导致更高效的多语言ASR系统训练,降低计算成本并提高性能。
排序理由 该集群描述了一篇详细介绍ASR新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Agentic Data Sampling Framework for Multilingual ASR via Linguistic-Aware Error-Driven Optimization
- arXiv
- Common Voice
- Hugging Face
- Whisper-medium
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →