PulseAugur
中
实时 12:19:44
English(EN) Syllabic-Structure Decoder for Automatic Speech Recognition in Vietnamese

新的越南语语音识别系统采用基于音素的音节建模

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为越南语语音识别（ASR）系统开发了一种新颖的音节结构解码器。这种新方法在音素层面建模语音，显式地捕捉音节的音理构成，而不是依赖于字符或单词等书写单位。该系统在越南语语音基准 LSVSC 和 UIT-ViMD 上均表现出优越性能，尽管使用了明显更小的词汇量且没有额外的训练资源，但其性能优于 PhoWhisper 和 Wav2Vec2 等强大的基线模型。 AI

排序理由 该集群包含一篇详细介绍新型语音识别模型的学术论文。[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 →

新的越南语语音识别系统采用基于音素的音节建模

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Nghia Hieu Nguyen, Quan Ngoc Hoang, Long Hoang Huu Nguyen, Kiet Van Nguyen, Ngan Luu-Thuy Nguyen ·

    用于越南语自动语音识别的音节结构解码器

    arXiv:2605.27874v1 Announce Type: new Abstract: Most Automatic Speech Recognition (ASR) systems formulate transcription as a prediction problem over orthographic units such as characters, subwords, or words. Although effective, such representations do not explicitly reflect the p…

相关实体

相关话题