Aishell-1
PulseAugur coverage of Aishell-1 — every cluster mentioning Aishell-1 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
受生物启发的脉冲三元GRU在语音识别方面表现出色
研究人员开发了一种新颖的脉冲三元GRU（stGRU）架构，该架构受到人脑皮层的启发，用于改进语音识别。这种受生物启发的模型将并行共振激发动力学与三元循环网络相结合，实现了能效高、事件驱动的计算。stGRU在LibriSpeech-960数据集上实现了具有竞争力的词错误率（WER），在Aishell-1数据集上实现了字符错误率（CER），尤其值得注意的是，它不依赖于外部语言模型或密集的浮点运算。
-
新的HearInContext基准测试评估语音识别对隐式上下文的理解能力
研究人员推出了HearInContext，这是一个旨在评估语音识别系统理解隐式上下文能力的新基准。该基准包含3,764个语义测试用例，侧重于普通话和英语中的同音词，旨在衡量模型从对话回复中推断含义的能力。研究发现，虽然模型受益于隐式上下文线索，但显式提示能带来更高的准确性。对Qwen3-ASR-1.7B模型进行微调，显著提高了隐式上下文回忆能力。
-
新的X2Streaming-ASR系统大幅降低语音识别延迟
研究人员开发了X2Streaming-ASR，这是一种用于流式自动语音识别（ASR）的新型系统，专为实时应用而设计。与使用固定块大小或目标延迟的现有方法不同，X2Streaming-ASR优化了何时提交部分转录内容以及使用何种上下文。这种三阶段训练方法显著降低了提交延迟，在AISHELL-1/2/3和WenetSpeech等基准数据集上低至27-84毫秒，同时与基线系统相比，字符错误率也有所提高。
-
新的潜在 Softmax 提高了多语言自动语音识别的数据效率
研究人员开发了一种名为潜在 Softmax 的新输出层，用于多语言自动语音识别 (ASR) 系统。该方法旨在通过更好地处理音调语言和非音调语言之间不同的监督粒度来提高数据效率。实验表明，潜在 Softmax 降低了音素错误率，并为音素到字素转换等下游任务带来了持续的词错误率提升。
-
新型 PERL 模型通过音韵和语义融合增强中文 ASR 错误校正
研究人员开发了 PERL，一个旨在校正中文自动语音识别 (ASR) 系统中错误的新语言模型。PERL 通过采用受约束的改写流程来应对语音错误和长度限制的挑战。该模型融合了语义和语音（拼音）表示，并通过掩码预算强制执行目标长度，从而在 Aishell-1 和 DoAD 等基准测试中显著降低了字符错误率。