Buckeye
PulseAugur coverage of Buckeye — every cluster mentioning Buckeye across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的强制对齐方法提高了嘈杂口语的准确性
研究人员开发了一种新的口语强制对齐方法，该方法显著提高了在嘈杂条件下的准确性。通过为填充语和非词汇声音事件引入显式单元，并使用具有判别性投影的上采样 WavLM 特征，该系统在对话和不流畅语音数据集上实现了比现有基线更低的词边界平均绝对误差 (MAE)。这种方法还大大减少了灾难性的错误对齐，使其比当前领先的对齐器更具鲁棒性。
-
新的基于梯度的语音到文本方法可跨所有ASR模型进行对齐
研究人员开发了一种新颖的基于梯度的语音到文本对齐方法，适用于任何可微分的自动语音识别（ASR）模型。该技术从令牌对数概率的梯度中提取词语时间信息，无需修改模型或进行训练。它提供了一种通用的对齐解决方案，适用于各种ASR家族，包括语音LLM，并直接在输入网格上进行对齐，以获得更高的时间精度。在读取语音和自发语音数据集上的十六个模型进行的评估表明，梯度对齐是可用的，其性能与原生对齐器相当，并为流式模型提供了改进，尽管它需要对每个令牌进行反向传播。
-
新方法改进多语言词级语音对齐
研究人员开发了一种新颖的多语言词级强制对齐方法，集成了Massively Multilingual Speech (MMS) 模型中的表示和一个自监督音素边界检测器。该方法使用学习型动态规划解码器来推断精确的词边界。该系统在TIMIT和Buckeye数据集上与Montreal Forced Aligner (MFA) 等现有方法相比，表现出优越的性能，并在未见过（unseen）的语言上显示出有希望的结果，表明其可扩展性可覆盖MMS支持…