PulseAugur
中
实时 11:15:42
English(EN) Gumbel-BEARD: Automatic Layer Selection for Self-Supervised Adaptation of Whisper in Low-Resource Domains

Gumbel-BEARD 自动适应低资源语音领域的Whisper

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Gumbel-BEARD，一个旨在提高语音基础模型在低资源领域性能的新框架。该方法使用可训练的Gumbel-Softmax选择器和自监督适应目标，自动选择Whisper编码器层。实验表明，Gumbel-BEARD可以用显著更少的标记数据匹配全监督基线，并在MyST和CORAAL等具有挑战性的数据集上创下了新的最先进词错误率。 AI

影响 增强了低资源环境下的语音模型性能，可能拓宽了AI对不同语言社区的可及性。

排序理由 该集群包含一篇详细介绍语音模型适应新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Zilai Wang, Natarajan Balaji Shankar, Mohan Shi, Kaiyuan Zhang, Abeer Alwan ·

    Gumbel-BEARD: Automatic Layer Selection for Self-Supervised Adaptation of Whisper in Low-Resource Domains

    arXiv:2606.11429v1 Announce Type: cross Abstract: Speech foundation models often struggle in low-resource domains due to domain mismatch and data scarcity. We propose Gumbel-BEARD, a domain adaptation framework that automates Whisper encoder layer selection via an end-to-end trai…

相关实体

相关话题